X (i) y c x; (ii) d 2 y (y i X? y) 2 c 2 d 2 x N c2 (x i? x) 2 ; N (iii) v y d y y v x d x x ; (iv) K H(y) K H (x) In unserem Fall ist x eine in DM un
|
|
- Andrea Kruse
- vor 7 Jahren
- Abrufe
Transkript
1 Gek rzte Fassung erschienen in: das wirtschaftsstudium wisu 2/22 Euro-Eekte in der Statistik Olaf H bler Der Euro ist da und seit Beginn des Jahres 22 auch in Form von Geldscheinen und M nzen Der Umtausch von DM in Euro ist weitgehend abgeschlossen Auf den Konten, auf dem Aktienmarkt wurde bereits fr her in Euro gerechnet Geldf lscher haben vor der Jahreswende noch ihre DM-Bl ten in den Umlauf gebracht und probieren sich bereits im F lschen der neuen Scheine Die Gesch fte haben auf neue Preise umgestellt und dabei zum Teil versucht, durch vorteilhaftes Runden ein Schn ppchen zu machen ltere Leute sind verunsichert Was sollen sie mit ihrem alten DM-Geld machen, das sich noch im Sparstrumpf bendet? Wie lange kann es umgetauscht werden? berall gibt es Beratungsstellen Aber auch Informationen ber Internet und B cher sollen helfen, den bergang so reibungslos wie m glich zu gestalten Das automatische Rechnen mit den neuen Einheiten Euro und Cent wird schon eine Weile dauern Wir in Deutschland haben es vergleichsweise einfach Die neuen Preise mit zwei multiplizieren und schon sind wir fast bei den alten Preisen Es lohnt sich kaum die exakte Relation Euro,95583 DM zu verwenden Ein Aspekt ist in der bisherigen Diskussion ber die Einf hrung des Euro nicht thematisiert worden Welche Auswirkungen hat der Euro auf statistische Kennziern? Was f llt uns spontan dazu ein? Die Deutschen werden rmer Es gibt weniger Million re Jeder hat nur noch etwas mehr als die H lfte des bisherigen Monatseinkommens Nat rlich ist dies ein Artefakt Die Preise halbieren sich auch nahezu Und wenn es den Rundungseekt nicht gibt, dann bleibt alles beim Alten Die Kaufkraft hat sich nicht ge ndert Wie steht es mit der Inationsrate oder der Einkommensungleichheit? Zu trennen ist zwischen substanziellen Eekten, die durch Verhaltens nderungen induziert werden, und rein statistischen Auswirkungen Nur um letztere soll es hier gehen Intuitiv wird erwartet, dass es keinen rein statistischen Eekt auf die Inationsrate und den Grad der Einkommensungleichheit gibt, wenn der Euro die DM abl st Ob dies der Fall ist, h ngt von dem verwendeten Indikator ab Ver nderungen deskriptiver Statistiken Genau genommen geht es bei dieser Frage darum, ob die verwendete statistische Kennzier gegen ber einer linearen Transformation invariant ist, und da auch nur um den Spezialfall, ob eine konstante prozentuale Reduktion aller Einzelwerte den statistischen Indikator ver ndert Die Inationsrate, deniert als Wachstumsrate des Preisniveaus, ist skalenunabh ngig, so dass hier kein Euro-Eekt wirksam wird Allerdings muss immer mit einer einheitlichen W hrungseinheit gerechnet werden Hierauf ist insbesondere im Jahr des bergangs zu achten Einkommensungleichheit kann durch Streuungs- und Konzentrationsma e ausgedr ckt werden Jeder Student der Wirtschaftswissenschaften sollte aus seiner statistischen Grundausbildung wissen oder kann dies in einem elementaren Statistiklehrbuch (zb Fahrmeir ua 2) nachlesen, dass aus y c x folgt, wenn c eine Konstante ist, die die Variablen x und y verbindet:
2 X (i) y c x; (ii) d 2 y (y i X? y) 2 c 2 d 2 x N c2 (x i? x) 2 ; N (iii) v y d y y v x d x x ; (iv) K H(y) K H (x) In unserem Fall ist x eine in DM und y die gleiche, aber in Euro ausgedr ckte Variable Dies bedeutet, c/,95583 Wird die mittlere quadratische Abweichung d 2 als Ma f r die Ungleichheit verwendet, so nimmt diese beim bergang von der DM zum Euro ab Sie weist nur noch etwas mehr als ein Viertel der gegenw rtigen Ungleichheit auf Wird dagegen das Konzentrationsma nach Herndahl (K H ) oder der Variationskoezient v als Ma f r die Ungleichheit herangezogen, dann ndert sich durch die neue W hrung nichts Sie sind gegen ber dieser Form der linearen Transformation invariant Bei einer Klausur, bei der gefragt wurde, wie sich die Einf hrung des Euro auf d 2 und K H f r das Monatseinkommen auswirkt, konnten lediglich 7,7 Prozent der Studenten die erste Frage korrekt beantworten Bei der zweiten Frage gaben zwar 65,5 Prozent die korrekte Antwort, aber nur bei 3 Prozent war auch die Begr ndung richtig H ugkeitstabellen in DM und Euro Die bisherigen Aussagen, vor allem auch (i)-(iv), gelten uneingeschr nkt nur, wenn mit ungruppierten Daten gearbeitet wird Erfolgen die Berechnungen aus einer H ugkeitstabelle, dann lassen sich aufgrund des Informationsverlustes, der durch die Klassenbildung zustande kommt, die statistischen Kennziern nur noch approximativ ermitteln und der Fehler h ngt von der Klassenbildung ab Folgendes einfaches Beispiel sei betrachtet: Gegeben ist die H ugkeitstabelle f r das monatliche Einkommen x, ausgedr ckt in DM ~x i? x < ~x i x i n i? < 2 2 2? < ? < 6 5 Als durchschnittliches Einkommen ergibt sich sofort: x26 Soll das durchschnittliche Einkommen in Euro (y) angegeben werden, so ist klar, dies m ssten 3 Euro sein, wenn zun chst vereinfachend gerechnet wird: 2 DM Euro Bildet man jedoch eine gleiche H u- gkeitstabelle wie f r die DM-Betr ge auch f r die Euro-Betr ge (y), so folgt: ~y i? y < ~y i y i n i? < 2 4 2? < 4 3 4? < 6 5 Die Verschiebung der H ugkeiten ist klar, die H ugkeiten aus Klasse und 2 der DM- Tabelle sind zusammenzufassen in Klasse der Euro-Tabelle und die absolute H ugkeit in Klasse 3 der DM-Tabelle rutscht vollst ndig in Klasse 2 der Euro-Tabelle Dort bleibt die Klasse 3 leer Berechnet man aus der Euro-Tabelle das arithmetische Mittel, dann folgt: y4 Siehe da, die Rechnung stimmt nicht berein mit der obigen berlegung, die aus (i) folgt Der Einwand, dass nicht mit der korrekten Umtauschrelation,95583 DM Euro gerechnet wurde, sticht nicht, denn dann h tte sich ein Mittelwert von 329,36 Euro ergeben m ssen Wo liegt der Fehler? Die Klassenmitte y 2 in der Euro-Tabelle ist nicht korrekt bestimmt worden Angenommen, in der DM-Tabelle waren in Klasse 3 die Beobachtungen 2
3 gleichm ig ber die Klasse verteilt, dann bedeutet dies, in der Euro-Tabelle sind die Beobachtungen in Klasse 2 gleichm ig ber den Wertebereich 2 bis <3 verteilt und im Bereich 3 bis <4 l gen keine Beobachtungen Die Klassenmitte x 2 m sste also 25 und nicht 3 sein Bei dieser Gestaltung der Euro-Tabelle ergibt sich: y3 Damit h tte man das erwartete Ergebnis f r die vereinfachte Relation, aber immer noch nicht f r die wahre DM-Euro-Relation Was l sst sich hier tun? Die Klassengrenzen in Euro umrechnen und dann nach dem blichen Vorgehen verfahren: ~y i? y < ~y i y i n i? < 22; 58 5, ; 58? < 245; 7 533, ; 7? < 367; ,46 Jetzt erh lt man in der Tat als Mittelwert f r den monatlichen Euro-Betrag y329,36 Euro Allerdings ist dies nur m glich, wenn mit den wenig sch nen krummen Klassengrenzen gearbeitet wird Also Vorsicht beim Vergleich von Mittelwerten in DM und Euro, wenn diese aus einer H ugkeitstabelle berechnet wurden Gleiches gilt f r andere Kennziern Ein sse bei Regressionssch tzungen Nicht in jeder Hinsicht so einfach zu durchschauen ist der Euro-Eekt bei Regressionssch tzungen Folgendes Beispiel soll dies demonstrieren Mit den Daten des Sozio- konomischen Panels (SOEP) wird eine Einkommensfunktion gesch tzt Drei Spezikationen werden gew hlt Y + S + 2 EX + 3 EXSQ + u () Y + S + 2 EX + 3 EXSQ + 4 Y SEK + u (2) lny + S + 2 EX + 3 EXSQ + u; (3) wobei Y - monatliches Bruttoeinkommen in DM, lny - logarithmiertes monatliches Bruttoeinkommen in DM, YSEK - monatliches sektorales Bruttoeinkommen in DM, S - Zahl der Schuljahre, EX - potenzielle Berufserfahrung (Alter-S-6), EXSQ - EX 2 Spezikation (3) entspricht der klassischen Mincer-Funktion (Mincer 974) In den Spalten [] - [3] der Tabelle 4 nden sich die Sch tzungen nach der OLS-Methode auf Basis der Daten des SOEP aus dem Jahr 999, ausgedr ckt in DM In den kommenden Jahren werden die Einkommen in Euro ausgewiesen Um Vergleiche mit Ergebnissen aus den Jahren davor anstellen zu k nnen, bedarf es einer Umrechnung in eine einheitliche W hrung Dies kann dadurch erfolgen, dass alle Einzelwerte angepasst werden In den Spalten [a] - [3a] ist dies erfolgt Alle DM-Betr ge wurden f r jede Person umgerechnet in Euro-Betr ge und dann die Sch tzungen aus []-[3] wiederholt Wenn man jedoch wei, welchen Eekt die Umrechnung von DM in Euro generell hat, dann m ssen nur die Koezienten und gegebenenfalls die t-werte umgerechnet werden 3
4 [] [2] [3] [a] [2a] [3a] X# y! Y-DM Y-DM ln(y-dm) Y-Euro Y-Euro ln(y-euro) S 458,93 44,36,98 234,65 26,74,98 (23,2) (2,2) (6,77) (23,2) (2,2) (6,77) EX 238, 23,79,898 2,69 9,3,898 25,63) (23,7) (32,73) (25,63) (23,7) (32,73) EXSQ -3,82-3,43 -,6 -,95 -,75 -,6 (-2,29) (-8,79) (-27,99) (-2,29) (-8,79) (-27,99) YSEK,78,78 (2,76) (2,76) CONST -3689,9-597,98 6, ,62-325,8 5,3625 (-5,76) (-23,88) (87,26) (-5,76) (-23,88) (77,56) R 2,77,236,89,77,236,89 Schnell zu erkennen und auch nicht weiter verbl end ist der Zusammenhang zwischen den Koezienten in Spalte [] und [a] Die in Spalte [] ermittelten Koezienten sind durch,95583 zu teilen Was ndert sich beim Vergleich von Spalte [2] und [2a] systematisch? Der Koezient von YSEK bleibt unver ndert Auch dies sieht man sofort ein, da sowohl die endogene Variable als auch YSEK durch,95583 geteilt werden Warum f llt der Vergleich zwischen Spalte [3] und [3a] anders aus, als der zwischen [] und [a]? Erstens sind jetzt die Koezienten der echten exogenen Variablen unver ndert Und zweitens erf hrt das absolute Glied eine Ver nderung, deren Systematik auf den ersten Blick nicht zu erkennen ist Hierzu bedarf es einer analytischen Untersuchung Bevor die Ver nderung der Koezienten im allgemeinen Fall des multiplen Modells betrachtet wird, sei zun chst der Spezialfall eines Zwei-Variablen-Modells er rtert Hier kann einerseits die endogene Variable von DM in Euro transformiert werden und andererseits die Umrechnung des Regressors von DM in Euro erfolgen Zu fragen ist im ersten Fall, welche Auswirkungen ergeben sich f r den Regressionskoezienten b, wenn y a + bx + u transformiert wird in ~y ~a + ~ bx + ~u, wobei cy ~y Es folgt ^~b c ^b; ^~a c ^a: (4) Dies entspricht einem Sonderfall des Vergleichs von Spalte [] und [a], wenn also zb nur das Modell Y a + b S + u gesch tzt werden soll Analog folgt f r den bergang von y a + bx + u zu y a + b x + u, wenn c x x ^b c ^b; ^a ^a: (5) Die Sch tzung der Inationsrate (IR) in Abh ngigkeit von der Geldmenge (M3) ist ein solches Beispiel Auf Basis von Jahresdaten f r Deutschland im Zeitraum ergibt sich als OLS-Sch tzung, wenn als weiterer Regressor die Arbeitslosenquote (ALQ) aufgenommen wird und M3 in DM gemessen wird: Diese Sch tzung geht ber in IR 5; 94? ; 732 ALQ? ; 292 M 3: (6) IR 5; 94? ; 732 ALQ? ; 572 M 3; (7) 4
5 wenn M3 in Euro ausgedr ckt wird Der eilige Leser gewinnt den Eindruck, die Bedeutung von M3 gegen ber ALQ in Bezug auf IR nimmt durch die Euro-Umstellung zu Vermeiden l sst sich dieser Eindruck, wenn mit standardisierten Variablen (x s (x? x)d x ) gearbeitet wird Dann folgt sowohl bei DM- als auch bei Euro-Messung von M3 IR s?; 457 ALQ s? ; 577 M 3 s : (8) F r das multiple Regressionsmodell wird ber das konkrete Beispiel hinausgehend die Auswirkung einer allgemeinen linearen Transformation sowohl beim Regressanden als auch bei allen Regressoren analytisch untersucht Ausgangspunkt bildet das in Matrixschreibweise dargestellte multiple lineare inhomogene Modell Das transformierte Modell lautet ~y ~y CA c y ~y N y X + u: (9) c y CA y CA + d y CA y N d y x ::: x K [ CA x N ::: x NK c c K d ::: d K CA + CA ] d ::: d K ~ CA + ~ K ~u ~u N CA () oder kompakt geschrieben ~y : C y y + d y [X C + D] ~ + ~u : ~ X ~ + ~u () mit als Einsvektor Daraus folgt als OLS-Sch tzer ^~ cy c y P K ^ + d y? (d k k ) c ^ k c k y c ^ c y c K ^ K CA ( ~ X ~X)? ~X ~y: (2) Die Elemente des Sch tzvektors ^~ ergeben sich, indem zun chst in Beziehung () y und X isoliert werden Es folgt damit y X ~ c y ~ (c c y ) ~ K (c K c y ) CA + P dk ~ k c P y ~ dk k c y P ~ dk k c y 5 CA? dycy d y c y d y c y ; CA : (3)
6 Werden die letzten beiden Vektoren auf der rechten Seite (( P d k ~ k c y ) und (d y c y )) im Koezienten f r das absolute Glied integriert, so l sst sich wie folgt in Abh ngigkeit von ~ darstellen c y ( ~ + KX k c c ~ y c K c y ~ K d k ~ k? d y ) : (4) CA Nach ~ aufgel st folgt der Ausdruck in (2), wenn noch die wahren Parameter durch Sch tzungen ersetzt werden Somit kann bei vorgegebenen Werten f r c y ; c ; :::; c K ; d y ; d ; :::; d K und Kenntnis der Ausgangssch tzung ^ (X X)? X y der Sch tzvektor f r die Koezienten des transformierten Modells ^~ bestimmt werden, ohne dass vorher die Individualwerte transformiert worden sind Bei den drei zu vergleichenden Spezikationen in DM und Euro ergeben sich aus der allgemeinen Sch tzung f r ^~ als spezielle Konstellationen: ^~ ^~ ^~ 2 ^~ 3 ^~ 4 Fall c ^ y c ^ y c ^ y 2 c ^ y 3 Fall 2 c ^ y c ^ y c ^ y 2 c ^ y 3 (c y c 4 ) ^ 4 Fall 3 ^ + d y ^ ^ 2 ^ 3 Werden die numerischen Werte f r die Parameter eingesetzt, die nachstehend aufgef hrt sind, und mit den gesch tzten Koezienten aus Spalte [] - [3] verkn pft, folgen die gesch tzten Koezienten in den Spalten [a] - [3a] Fall : []![a] Fall 2: [2]![2a] c y c c 2 c 3 c 4 d y d d 2 d 3 d 4 ; ; ; Fall 3: [3]![3a] ln( ; ) Das Ergebnis einer Kombination der F lle 2 und 3, wenn also Spezikation 3 um lnysek erweitert wird, folgt sofort Die gesch tzten Koezienten der echten exogenen Variablen bleiben bei der Euro-Umrechnung unver ndert, w hrend man f r das absolute Glied ^~ d y? d 4 ^ 4 (5) erh lt Weitere, ber die behandelten Spezialf lle mit Euro-Umrechnung hinausgehende lineare Transformationen lassen sich schnell bilden Oen bleibt bisher aber noch der Einuss auf die t-werte Zun chst wird das Problem f r Fall 2 gel st Damit ist dann auch die L sung f r Fall als Spezialfall gegeben Die nach OLS gesch tzte Kovarianzmatrix des multiplen linearen Modells lautet 6
7 ^V ( ^) ^ 2 (X X)? : (6) F r das linear tranformierte Modell im Fall 2 folgt f r die Residuen: ^~u ~y? ~X ^~ c y y? XC( ~ X ~X)? ~X ~y (7) c y y? XCC? (X X)? C? CX c y y (8) c y (I? X(X X)? X )y c y P y c y ^u: (9) (vgl H bler 989, S 4) Da die endogene Variable und der Regressor YSEK mit dem gleichen Faktor transformiert werden, so dass c y : c und gilt, erh lt man Au erdem ergibt sich ^~ 2 C ( ~ X ~ X)? C? (X X)? C? c CA (2) N? K? c2 ^u ^u c 2^ 2 : (2) x x (c)x K x x (c)x K x K?; x K?; (c)x CA : (22) K?;K (c)x K; (c)x K; (c) 2 x KK Da die Hauptdiagonalelemente von ^V (^~) die gesch tzten Varianzen von ^~ k sind, ist ^~ 2 k c2^ 2 x kk c 2 ^ 2 k (23) ^~ 2 K c2^ 2 x KK c 2 ^2 K; (24) wobei ^~ 2 k ^2^~ k,k,,2,3; K4 Die t-werte sind damit ~t K ~t k ^~k ^~ k c ^ k c^ k t k (25) ^~K ^~ ^~ K ^ K ^ ^ K t K : (26) Das transformierte und das nichttransformierte Modell f hren also zu den gleichen t-werten Fall entspricht Fall 2, wenn der letzte Regressor, dh der einzige, der transformiert wird, entf llt Nebenbei bemerkt ist mit den voranstehenden berlegungen auch erkl rt, warum das Bestimmtheitsma beim bergang von DM- in Euro-Betr ge unver ndert bleibt Im Fall 7
8 3, beim logarithmierten Modell, ist die Situation etwas anders Die logarithmierten y-werte ndern sich beim bergang von DM- in Euro-Betr ge alle um den gleichen absoluten Betrag ln(/,95583), so dass sich keine Auswirkungen auf die Residuenvarianz ergeben Es gilt, da im Fall 3 die Regressormatrix, die einen Einsvektor () als ersten Spaltenvektor besitzt, unver ndert bleibt ^~u ~y? X ^~ y + ln(; 95583)? X ^ + ln(; 95583) ^! y + ln(; 95583)? X ^? ln(; 95583) ^u; (27) wobei ( ; 2 ; ; K ) Somit ist ^V (^~) ^V ( ^), so dass die t-werte nur von den gesch tzten Koezienten ber hrt werden, dh ~t k ^~k ^~ k ^ k ^ k (28) ~t ^~ ^~ ^~ ^ t ; (29) wobei k ; 2; ; K Festzuhalten bleibt: Zusammenfassung () Arithmetisches Mittel und Streuung monet rer Gr en ndern durch die Euro-Umstellung, allerdings in unterschiedlicher Form: ; bzw (; 95583) 2 Der Variationskoezient und das Herndahlma sowie alle Wachtumsraten bleiben unver ndert (2) Statistische Kennziern, die aus zwei Tabellen gleicher Variablen berechnet werden, einmal in DM und das andere Mal in Euro gemessen, lassen sich nur vergleichen, wenn die Klasseneinteilung der DM-Tabelle in Euro-Werten f r die Euro-Tabelle bernommen wird oder umgekehrt (3) Der Euro-Eekt wirkt sich in Regressionsans tzen nur auf das absolute Glied in einer intuitiv nicht sofort erkennbaren Form aus, w hrend die Eekte auf die Koezienten der echten Regressoren und auf deren t-werte einfach und einsehbar sind Bei den echten Regressoren bleiben die t-werte unver ndert Dies gilt f r die Koezienten nur dann, wenn Regressor und Regressand monet re Gr en sind, bei denen von einer W hrungseinheit zu einer anderen, bei beiden jedoch gleichen neuen Einheit (zb von der DM- zur Euro-Messung) bergegangen wird Ist nur der Regressand eine monet re Variable, so muss der bisherige Koezient beim bergang in Euro durch,95583 geteilt werden Entspricht die endogene Variable allerdings einer logarithmierten monet ren Gr e, so bleiben auch in diesem Fall die Koezienten unver ndert 8
9 Literatur: Fahrmeir, L, K nstler, R, Pigeot, I und G Tutz: Statistik Der Weg zur Datenanalyse 3 Au, Berlin 2 H bler, O: konometrie, Stuttgart 989 Maddala, GS: Introduction to Econometrics 3rd ed, New York 2 Mincer, J: Schooling, Experience, and Earnings New York 974 9
Übungen zur Vorlesung Statistische Methoden Kapitel 1-2
TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable
Mehr5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
Mehrmathematik und informatik
Prof. Dr. Christoph Beierle, Prof. Dr. Gabriele Kern-Isberner Kurs 01845 Methoden der Wissensrepräsentation und -verarbeitung LESEPROBE mathematik und informatik Das Werk ist urheberrechtlich geschützt.
MehrDie Biegelinie und deren Ableitungen
Die Biegelinie und deren Ableitungen Dipl.- Ing. Björnstjerne Zindler, M.Sc. www.zenithpoint.de Erstellt: 28. November 2012 Letzte Revision: 4. April 2015 Inhaltsverzeichnis 1 Einleitung 2 2 Die Einheiten
MehrMETHODEN HÖHERER LÖSUNG Kapitel 6 Mareike Börsch Universität Trier
METHODEN HÖHERER LÖSUNG Kapitel 6 Mareike Börsch Universität Trier 02.12.2010 Überblick 1. Wiederholung 2. Lineare Methoden 3. Limiter und Slope Limiter Methoden 4. Fluss Limiter Funktionen 5. Harten Theorem
MehrDie Türen weit öffnen
Informationen aus dem Institut der deutschen Wirtschaft Köln Ausländische Studenten 17.05.2012 Lesezeit 3 Min. Die Türen weit öffnen Obwohl sie der deutsche Arbeitsmarkt gut gebrauchen könnte, wollen viele
MehrH.J. Oberle Differentialgleichungen I WiSe 2012/ Stabilität. Wir betrachten ein allgemeines DGL-System erster Ordnung:
H.J. Oberle Differentialgleichungen I WiSe 2012/13 A. Allgemeines. 8. Stabilität Wir betrachten ein allgemeines DGL-System erster Ordnung: y (t) = f(t, y(t)) (8.1) mit y(t) R n, hinreichend glatter rechter
Mehr1 Was Sie schon immer ber Konvexit t, Konkavit t. und Quasi- Konkavit t wissen wollten: 1.1 Wozu sind Konkavit t und Quasi- Konkavit t n tze?
Umdruck zur Vorlesung VWL II (Pro. Dr. Thorsten Hens) Was Sie schon immer ber Konveit t, Konkavit t und Quasi Konkavit t wissen wollten:. Wozu sind Konkavit t und Quasi Konkavit t n tze? Die Mikro konomik
MehrMit einem Touch zum Ticket
Mit einem Touch zum Ticket Das sich ständig ändernde Mobilitätsverhalten der Bevölkerung stellt Verkehrsunternehmen vielmals vor neue Herausforderungen. Gerade mit der Einführung des Mobile Ticketing,
MehrStatistik II für Betriebswirte Vorlesung 12
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrFachbereich Elektrotechnik und Informatik, Fachbereich Mechatronik und Maschinenbau
Name, Matrikelnummer: Klausur Physik 1 (GPH1) am 9.7.07 Fachbereich Elektrotechnik und Informatik, Fachbereich Mechatronik und Maschinenbau Zugelassene Hilfsmittel: Beiblätter zur Vorlesung Physik 1 ab
MehrStatistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II
Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte
MehrBundesrat zu (3) Drucksache 6/17 (Beschluss) (2) Unterrichtung durch die Europäische Kommission
Bundesrat zu (3) Drucksache 6/17 (Beschluss) (2) 08.09.17 Unterrichtung durch die Europäische Kommission Stellungnahme der Europäischen Kommission zu dem Beschluss (2) des Bundesrates zum Vorschlag für
Mehr1.2. Ergänzende und abweichende Bestimmungen zu den FIDE-Regeln
Turnierordnung 1. Spielregeln 1.1. FIDE-Regeln Es wird nach den Regeln der FIDE gespielt, die zum Zeitpunkt der letzten Spielerversammlung gültig waren. Abweichungen gibt es nur, wenn die Turnierordnung
MehrSoziales. SOZIALAUSGABEN Können wir uns den Sozialstaat leisten?
Soziales SOZIALAUSGABEN Können wir uns den Sozialstaat leisten? Stand: August 2015 Sozialausgaben sind ein Gradmesser für den sozialen Zusammenhalt einer Gesellschaft. Durch sie sollen die materiellen
MehrProf. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft
Prof. Dr. Marc Gürtler WS 015/016 Prof. Dr. Marc Gürtler Klausur zur 10/1 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Lösungsskizze Prof. Dr. Marc Gürtler WS 015/016 Aufgabe 1: (11+5+1+8=56
MehrStatistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/ Dezember 2016
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/2017 16. Dezember 2016 1 Aufgabe 1: Beschreibung univariater Daten (30 Punkte) Ein Autohändler verkauft Autos in fünf
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
MehrAlgorithmen in der Sekundarstufe I
Algorithmen in der Sekundarstufe I Am Ende der Primarstufe sollte Schüler/innen diese Grundkonzepte kennen und anwenden können: Abläufe planen und ausführen wenn Wand berührt, dann Spiel verloren Vom Problem
MehrTheoretische Physik: Mechanik
Ferienkurs Theoretische Physik: Mechanik Blatt 1 - Lösung Technische Universität München 1 Fakultät für Physik 1 Kreisbewegung Ein Massepunkt bewege sich auf einer Kreisbahn mit der konstanten Geschwindigkeit
MehrAufgabe 1:Grundwissen zum Atomaufbau und physikalischen Größen
Probearbeit Physik Aufgabe 1:Grundwissen zum Atomaufbau und physikalischen Größen [14 Punkte] Hinweis:Nutze zur Bearbeitung dieser Aufgabe das beigefügte Periodensystem der Elemente (PDE). (a) Bestimme
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrÜbungen mit dem Applet. by Michael Gärtner
Übungen mit dem Applet by Michael Gärtner Betreuer: Prof. Dr. Wilhelm Kleppmann Abgabe: 20. October 2006 Inhaltsverzeichnis 1 Prinzip der kleinsten Quadrate 4 2 Quadrierte Abweichungen und Bestimmtheitsmaÿ
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
Mehr6 Polynomielle Gleichungen und Polynomfunktionen
6 Polynomielle Gleichungen und Polynomfunktionen Lineare Gleichungen Eine lineare Gleichung in einer Variablen ist eine Gleichung der Form ax + b = cx + d mit festen Zahlen a und c mit a c. Dies kann man
MehrEU-Datenschutz-Grundverordnung: Die Zeit wird knapp
EU-Datenschutz-Grundverordnung: Die Zeit wird knapp Keyfacts über DSGVO - Datenschutz wird europaweit vereinheitlicht - Beweislastumkehr stärkt Verbraucher - Gesetz bietet Chancen für Unternehmen In weniger
MehrDynamik hüpfender Bälle
1 Dynamik hüpfender Bälle Proseminar: Theoretische Physik Florian Döhle 2. Juli 2014 2 Video Chaotische Bewegung Video Periodische Bewegung 3 Gliederung 1 Motivation 2 Aufstellen und Fixpunktanalyse der
MehrDritter Tarifvertrag
Dritter Tarifvertrag zur Änderung des Tarifvertrags für die Ärztinnen und Ärzte im Krankenhaus Märkisch-Oderland - 3. ÄndTV/TV-Ärzte/MOL - vom 21. Juni 2016 Zwischen der Krankenhaus Märkisch-Oderland GmbH
MehrKreativität in der Architektur AUCH IM COMPUTER-ZEITALTER WILL KREATIVES ARBEITEN GELERNT SEIN
Kreativität in der Architektur AUCH IM COMPUTER-ZEITALTER WILL KREATIVES ARBEITEN GELERNT SEIN EINLEITUNG 2 Ist Kreativität angeboren? Oder kann man Kreativität lernen? Wenn ja, welche Techniken gibt es?
Mehr11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN GLIEDERUNG Bivariate Analyse für metrisch skalierte Variablen Grundlagen Streudiagramme und Visualisierungen von Zusammenhängen Positive lineare
MehrAuswertung der Befragung von. Betriebsräte aus 47 Unternehmen der Automobilzulieferindustrie NRW. Stand 1. Juni 2010
Auswertung der Befragung von Betriebsräte aus 47 Unternehmen der Automobilzulieferindustrie NRW Stand 1. Juni 2010 1 Zentrale Ergebnisse (1) Die Hälfte der Betriebe erwirtschaftet gegenwärtig kaum/keine
MehrEINSTELLUNGEN UND VERHALTENSWEISEN ZUR GELDANLAGE IN DEUTSCHLAND UND DEN USA ANLEGER-STUDIE DER QUIRIN BANK KERNERGEBNISSE IN DER ÜBERSICHT -
Sperrfrist: 20102016, 1030 Uhr EINSTELLUNGEN UND VERHALTENSWEISEN ZUR GELDANLAGE IN DEUTSCHLAND UND DEN USA ANLEGER-STUDIE DER QUIRIN BANK 2016 - KERNERGEBNISSE IN DER ÜBERSICHT - Berlin, 20102016 Untersuchungsdaten:
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrMorphologische Bildverarbeitung I
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Abteilung Stochastik Abteilung Angewandte Informationsverarbeitung SS 03 Morphologische Bildverarbeitung I Vortrag mit Programmvorstellung
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 3.6 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula
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
MehrKlassische Experimentalphysik I Übungsblatt 3 WS 2014/2015
Klassische Experimentalphysik I Übungsblatt 3 WS 2014/2015 Abgabe bis Besprechung Fr, 07. November, 13:15 Uhr im Erdgeschoss von Geb. 30.23 (Physikhochhaus) Mi, 12. November 1. Ein einfacher Versuch (3
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
MehrPersonengesellschaftsrecht II. # 16 Haftung der Gesellschafter KG
Personengesellschaftsrecht II # 16 Haftung der Gesellschafter KG Unterscheide! Haftung der Komplementäre ( persönlich haftende Gesellschafter ) wie in der OHG à also 128 ff. HGB Kommanditisten grds. Haftungsbeschränkung
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 1 13. April 2010 Kapitel 6. Integralrechnung In den Naturwissenschaften finden sich zahlreiche Beispiele, bei denen die Berechnung bestimmter Integrale
MehrDurchführung einer Regression über das Resttermverfahren am Beispiel einer bilogarithmischen Funktion
Durchführung einer Regression über das Resttermverfahren am Beispiel einer bilogarithmischen Funktion Dipl.- Ing. Björnstjerne Zindler, M.Sc. Erstellt: 21. November 2014 Letzte Revision: 6. Dezember 2014
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
MehrSatzung des TuS 1875 Großschirma e.v.
Satzung des TuS 1875 Großschirma e.v. 1 NAME, SITZ UND GESCHÄFTSJAHR 1. Der Verein führt den Namen: TuS 1875 Großschirma e.v. und hat seinen Sitz in Großschirma. Er wurde am 20.06.1990 gegründet und ist
MehrMathematische Methoden der Physik
Institut für Theoretische Physik der Universität zu Köln A. Schadschneider A. Hackl Mathematische Methoden der Physik Lösungsvorschlag zur Präsenzübung ( Probeklausur ) Wintersemester 7/8 Lesen Sie die
MehrKinder- und Jugend- Gesundheitsbericht 2010 für die Steiermark
Kinder- und Jugend- Gesundheitsbericht 2010 für die Steiermark Grundsatz: Gesundes Leben mitgestalten Kapitel 2: Anteil der Kinder im Kindergarten Inhaltsverzeichnis 2 Anteil der Kinder im Kindergarten...
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrFreie Wählergemeinschaft BBS
Satzung 1 Name und Sitz (1) Die Wählergemeinschaft trägt den Namen Freie Wählergemeinschaft Bürgerblock Bad Segeberg, die Kurzform lautet "BBS". (2) Der BBS hat seinen Sitz in Bad Segeberg. Die Adresse
MehrDas Klima wartet nicht: Klimawandel im
Das Klima wartet nicht: Klimawandel im Bodenseeraum Auswirkungen auf Umwelt, Gesellschaft und Wirtschaft Prof. Reto Knutti Institut für Atmosphäre und Klima ETH Zürich, Schweiz reto.knutti@env.ethz.edu
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrY = X + N, wobei die Wahrscheinlichkeitsdichtefunktion des empfangenen Rauschens N wie folgt gegeben ist: n a R + δ(n)dn = 1.
..7 Aufgabe 7% %. Nehmen Sie an, dass die ufallsvariable X {,, } mit den jeweiligen Auftrittswahrscheinlichkeiten {.4,.,.4} u ber einen Kanal gesendet wird. Die empfangene ufallsvariable ist: Y X N, wobei
MehrSatzung der Interessengemeinschaft Froitzheimer Karneval e.v.
Satzung der Interessengemeinschaft Froitzheimer Karneval e.v. 1 Name, Sitz und Zweck 1. Die Gesellschaft f hrt den Namen Interessengemeinschaft Froitzheimer Karneval e. V.. Die Gesellschaft ist in das
MehrDie digitale Steuerprüfung kommt! Sind Sie vorbereitet?
Mandanten-Info Eine Dienstleistung Ihres steuerlichen Beraters Die digitale Steuerprüfung kommt! Sind Sie vorbereitet? Datenzugriffsrechte der Finanzverwaltung Geänderte Aufbewahrungspflichten In enger
MehrLöhle nimmt kritisch zum Messverfahren "Vitronic PoliScan Speed" Stellung
Löhle nimmt kritisch zum Messverfahren "Vitronic PoliScan Speed" Stellung Kurznachricht zu "Neue offene Fragen bei Vitronic PoliScan Speed" von Dipl.-Phys. Dr. Ulrich Löhle, original erschienen in: DAR
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n = b a 2 x + a 22 x 2 +...
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrVersuchsplanung und multivariate Statistik Sommersemester 2018
Versuchsplanung und multivariate Statistik Sommersemester 2018 Vorlesung 11: Lineare und nichtlineare Modellierung I Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6.6.2018
MehrBeispiel: Multiples Modell/Omitted Variable Bias I
4 Multiple lineare Regression Konfidenzintervalle und Tests 4.3 Beispiel: Multiples Modell/Omitted Variable Bias I Beispieldatensatz mit Daten zur Lohnhöhe (y i ), zu den Ausbildungsjahren über den Hauptschulabschluss
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrRegression III. Statistik I. Sommersemester Wiederholung. Zwei unabhängige Variablen Multivariate Zusammenhänge Interaktion.
Regression III Statistik I Sommersemester 2009 Statistik I Regression III (1/36) FN 2004 25 20 15 10 5 10 15 20 Zuwandererquote Statistik I Regression III (2/36) Zum Nachlesen Agresti/Finlay Kapitel 10.2,
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrDas DBA-Gesetz: der Auftragsvertrag nach der Abschaffung des VAR- Systems
Das DBA-Gesetz: der Auftragsvertrag nach der Abschaffung des VAR- Systems Durch das niederländische Gesetz zur Deregulierung der Beurteilung von Arbeitsverhältnissen (ndl. Deregulering Beoordeling Arbeidsrelaties,
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrMöglichkeiten schaffen Jahresbericht des Rauhen Hauses 2016
Möglichkeiten schaffen Jahresbericht des Rauhen Hauses 2016 1 Möglichkeiten schaffen! 2 Möglichkeiten schaffen war das Thema vom Rauhen Haus im Jahr 2016. Im Jahresbericht in schwerer Sprache heißt das
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrPolynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen
Rückblick Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen Ridge Regression vermeidet Überanpassung, indem einfachere Modelle mit
MehrSatzung Selbstbestimmt Leben Leipzig und Umgebung e. V. - im folgenden Verein genannt -
Satzung Selbstbestimmt Leben Leipzig und Umgebung e. V. - im folgenden Verein genannt - (geänderte Fassung vom 24.04.2015) 1 Name, Sitz und Geschäftsjahr des Vereines Der Verein führt den Namen: Selbstbestimmt
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
Mehrnumerische Berechnungen von Wurzeln
numerische Berechnungen von Wurzeln. a) Berechne x = 7 mit dem Newtonverfahren und dem Startwert x = 4. Mache die Probe nach jedem Iterationsschritt. b) h sei eine kleine Zahl, d.h. h. Wir suchen einen
MehrSchnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung
1 Schnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung Zum Messergebnis gehören immer eine Fehlerangabe und nur signikante Stellen 1 Beim Messen arbeiten wir mit Näherungswerten! Selbst
Mehr2. Potentialströmungen 2.3 2D inkompressible Potentialströmungen
Berechnung der Reaktionskräfte (Kräfte auf einen Körper): Wir betrachten einen geschlossenen, zweidimensionalen, festen Körper, der unter einer bestimmten Richtung angeströmt wird. Wir gehen davon aus,
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrDie verfahrensdifferenzierten Standard-Arbeitsplatzkosten als Hilfsmittel der betrieblichen Kostenrechnung
Research Collection Doctoral Thesis Die verfahrensdifferenzierten Standard-Arbeitsplatzkosten als Hilfsmittel der betrieblichen Kostenrechnung Author(s): Sherif, Mohamed Ali Publication Date: 1968 Permanent
MehrWoche 2: Übung Die "Strichliste" - oder: Wie viele Zigaretten rauche ich?
Die "Strichliste" - oder: Wie viele Zigaretten rauche ich? In dieser Übung geht es darum herauszufinden, wie viele Zigaretten Sie am Tag rauchen oder bislang geraucht haben. Falls Sie noch rauchen, sollten
MehrLehre und Matura. Direkt starten mit dem Lernstudio Basis
Lehre und Matura Direkt starten mit dem Lernstudio Basis WIFI Tirol LEMA Direkt starten mit dem Lernstudio Basis Seit 2016 ist Lehre und Matura am WIFI Tirol noch kompakter, noch flexibler und noch individueller.
Mehr7.Versuche zur Wärmestandfestigkeit
7.Versuche zur Wärmestandfestigkeit 7.1 Eindringtiefenversuch mit ebenem Stempel Der Versuch erfolgte gemäß DIN 1996 Teil 13. (Quelle[16]) Zweck der Prüfung: Die Eindringtiefe ist ein relatives Maß für
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 31. Mai 2011 4. Methode der kleinsten Quadrate Geschichte: Von Legendre, Gauß und Laplace zu Beginn des 19. Jahrhunderts eingeführt. Die Methode der
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
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=
Mehr5.4 Verteilungsfunktion Verteilungsfunktion diskreten Zufallsvariablen stetigen Zufallsvariablen Verteilungsfunktion
5. Verteilungsfunktion Die Verteilungsfunktion gibt an welche Wahrscheinlichkeit sich bis zu einem bestimmten Wert der Zufallsvarialben X kumuliert Die Verteilungsfunktion F() gibt an, wie groß die die
MehrKonzepte der Statistik für die Messdatenanalyse
Konzepte der Statistik für die Messdatenanalyse Modelle Beispiel: optische Abbildung im Fernfeld (Fraunhoferbeugung) indirekte Messgröße: Abstand der beiden Spalte D Modell inverses Problem direkte Messgrößen:
MehrKonzipierung einer Siedlungsentwicklungskarte für den Atlas der Schweiz Masterprojektarbeit Frühlingssemester 2013 Präsentation vom 16. Mai 2013 Student: Alessandro Beck Studiengang Geomatik und Planung
MehrMethoden der Ökonometrie
Dr. Matthias Opnger Lehrstuhl für Finanzwissenschaft WS 2013/14 Dr. Matthias Opnger Methoden d. Ökonometrie WS 2013/14 1 / 21 Dr. Matthias Opnger Büro: C 504 Sprechzeit: nach Vereinbarung E-Mail: opnger@uni-trier.de
MehrPRESSEMITTEILUNG. Für jede Sportart die passende Sonnenbrille. Mit DECATHLON Sonnenbrillen immer den perfekten Durchblick
PRESSEMITTEILUNG Für jede Sportart die passende Sonnenbrille Mit DECATHLON Sonnenbrillen immer den perfekten Durchblick Juli/2017 Für jede Sportart die passende Sonnenbrille Mit DECATHLON Sonnenbrillen
MehrNutzen Sie das Inhaltsmenü: Die Schnellübersicht führt Sie zu Ihrem Thema. Die Kapitelüberschriften führen Sie zur Lösung.
Nutzen Sie das Inhaltsmenü: Die Schnellübersicht führt Sie zu Ihrem Thema. Die Kapitelüberschriften führen Sie zur Lösung. Richtig abgesichert... 7 Abkürzungen... 9 1 Wer ist hilfebedürftig... 11 2 3 4
MehrKinder rechnen anders
Haus 9: Informationsmaterial Kinder rechnen anders Januar 2010 PIK AS (http://www.pikas.uni-dortmund.de/) 1 1 Kinder sind kreativ Zu einem Elternabend kommen 81 Eltern. An jedem Tisch können 6 Eltern sitzen.
MehrGeschäftsordnung des Allgemeinen Studierendenausschuss der Universität Duisburg-Essen
Geschäftsordnung des Allgemeinen Studierendenausschuss der Universität Duisburg-Essen Inhaltsverzeichnis: 1 Geltungsbereich 2 Einberufung 3 Öffentlichkeit 4 Tagesordnung 5 Protokoll 6 Feststellung der
MehrDynamische Modelle: Schätzen und Modellwahl
1 / 23 Dynamische Modelle: Schätzen und Modellwahl Kapitel 18 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 23 Inhalt Dynamische Modelle und autokorrelierte Fehler Tests auf Autokorrelation
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrPrüfgasunabhängige integrale Prüfung von Lebensmittelverpackungen in einer flexiblen Folienkammer
7. Fachseminar Dichtheitsprüfung und Lecksuche Vortrag 7 Prüfgasunabhängige integrale Prüfung von Lebensmittelverpackungen in einer flexiblen Folienkammer Silvio DECKER 1 1 INFICON GmbH, Bonner Str. 498,
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
Mehr