7. Konzentrations- und Disparitätsmessung
|
|
- Carin Lichtenberg
- vor 7 Jahren
- Abrufe
Transkript
1 7. Konzentrations- und Disparitätsmessung Betrachte: Merkmal X, bei dem alle Daten x i 0 sind und die Merkmalssumme n i=1 x i eine sinnvolle Interpretation besitzt (extensives Merkmal) 314
2 Beispiel: X: Haushaltseinkommen = Alle x i sind größer oder gleich Null ni=1 x i ist Gesamteinkommen der Population Fragestellung: Wie ist die Merkmalssumme n i=1 x i auf die einzelnen Merkmalsträger verteilt? (Konzentration, Ungleichheit) 315
3 7.1 Disparität und Konzentration Jetzt: Klärung der Begriffe Ungleichheit (= Disparität) Konzentration 316
4 Messung von Disparität: Welcher Anteil der Merkmalssumme fällt auf einen bestimmten Anteil der Merkmalsträger? Beispiel: Welchen Anteil am Gesamteinkommen einer Bevölkerung vereinigen die 10% Reichsten auf sich? (Anteil des Gesamt-EK Anteil der Bevölkerung) 317
5 Messung von Konzentration: Welcher Anteil der Merkmalssumme fällt auf eine bestimmte Anzahl von Merkmalsträgern? Beispiel: Welchen Anteil am Gesamtumsatz eines Industriesektors haben die 5 größten Unternehmen? (Anteil des Gesamtumsatzes Anzahl von Unternehmen) 318
6 7.2 Konzentrationsmessung Wichtige Grundvoraussetzung: Die Daten x 1,..., x n sind absteigend geordnet: x 1 x 2... x n 0 Bemerkungen und Bezeichnungen: [I] An dieser Stelle verzichten wir auf die Schreibweise der geordneten Urliste x (n) x (n 1)... x (1) 0 319
7 Bemerkungen und Bezeichnungen: [II] Stattdessen ordnen wir (nötigenfalls) unsere Urliste einfach so um, dass gilt Es bezeichne h r = x 1 x 2... x n 0 x r n i=1 x i = x r n x, r = 1,..., n den Merkmalsanteil des r-ten Merkmalsträgers an der Merkmalssumme Wegen x 1 x 2... x n 0 gilt für die Merkmalsanteile: h 1 h 2... h n 0 320
8 7.2.1 Konzentrationsraten und Konzentrationskurve Definition 7.1: (Konzentrationsrate i-ter Ordnung) Die Summe der i größten Merkmalsanteile, CR(i) = i r=1 h r = i x r r=1 n x r r=1 heißt Konzentrationsrate der Ordnung i. CR(i) ist der Merkmalsanteil, der auf die i größten Merkmalsträger entfällt. Für i = 0 wird CR(0) = 0 gesetzt. 321
9 Definition 7.2: (Konzentrationskurve) Zeichnet man für i = 0,..., n die Punkte (i, CR(i)) in ein Koordinatensystem und verbindet man die Punkte durch einen linearen Streckenzug, so erhält man die Konzentrationskurve. Bemerkung: Per Definition beginnt die Konzentrationskurve im Punkt (0, CR(0)) = (0, 0) und endet im Punkt (n, CR(n)) = (n, 1). 322
10 Beispiel: [I] Fünf Unternehmen eines Marktes weisen die folgenden Umsätze auf (in Mill. Euro) x 1 = 330, x 2 = 120, x 3 = 90, x 4 = 30, x 5 = 30 Man beachte: Die Daten sind bereits absteigend geordnet 323
11 Beispiel: [II] Arbeitstabelle: i x i h i CR(i)
12 Beispiel: [III] Verbinden der Punkte (i, CR(i)) ergibt die Konzentrationskurve: 1 0,8 CR(i) 0,6 0,4 0, i 325
13 Eigenschaften der Konzentrationskurve: [I] Die Konzentrationskurve ist der Graph einer Funktion, die das Intervall [0, n] auf das Intervall [0, 1] abbildet. Die Funktion ist stückweise linear und streng monoton wachsend vom Anfangspunkt (0, 0) bis zum Endpunkt (n, 1) Die Steigung des r-ten Segmentes (r = 1,..., n) beträgt CR(r) CR(r 1) = h r. 1 Die Steigungen h r nehmen mit wachsendem r ab. Somit ist die Konzentrationskurve konkav 326
14 Eigenschaften der Konzentrationskurve: [II] Der Fall maximaler Konzentration: Ein Merkmalsträger vereinigt die gesamte Merkmalssumme auf sich: Es folgt: h 1 = 1, h 2 = h 3 =... = h n = 0 CR(0) = 0, CR(1) = CR(2) =... = CR(n) = 1 327
15 Eigenschaften der Konzentrationskurve: [III] Der Fall minimaler Konzentration (egalitäre Verteilung): Jeder Merkmalsträger hat denselben Anteil 1/n an der Merkmalssumme. Es gilt: Es folgt: h 1 = h 2 =... = h n = 1 n CR(i) = i n, i = 0,..., n 328
16 Offensichtlich gilt: Jede Konzentrationskurve liegt zwischen den Extremen der maximalen Konzentration und der minimalen Konzentration 1 0,8 CR(i) 0,6 0,4 0, i 329
17 Naheliegende Vorgehensweise: Benutze die Konzentrationskurven zweier Grundgesamtheiten (Märkte) zum Vergleich des Ausmaßes der Konzentration in beiden Grundgesamtheiten (Märkten), z.b. zum Vergleich der Konzentration eines Merkmals auf ein und demselben Markt zu verschiedenen Zeitpunkten (zeitlicher Vergleich der Konzentration) der Konzentration eines Merkmals auf zwei unterschiedlichen Märkten zum gleichen Zeitpunkt (räumlicher Vergleich der Konzentration) 330
18 Beispiel: [I] Umsätze auf 2 Märkten: Markt I: 38, 12, 106, 34, 10 Markt II: 25, 20, 39, 7, 9 Man beachte: Daten müssen zunächst geordnet werden 331
19 Beispiel: [II] Arbeitstabelle: i x i h i CR I (i) x i h i CR II (i)
20 Beispiel: [III] Konzentrationskurven CR I und CR II : 1 0,8 CR(i) 0,6 0,4 0, i 333
21 Offensichtlich: Markt I weist gleichmäßig höhere Konzentration als Markt II auf Häufiges praktisches Problem: Konzentrationskurven CR I und CR II schneiden sich Kein eindeutiger Konzentrationsvergleich möglich 334
22 Ausweg: Beschreibe Konzentrationsausmaß in einer Grundgesamtheit durch geeignete Zahlen (Indizes) Eindeutiger Konzentrationsvergleich durch Vergleich von Zahlen ist immer möglich 335
23 7.2.2 Konzentrationsindizes Hier nur zwei Indizes: Herfindahl- und Rosenbluth-Index Definition 7.3: (Herfindahl-Index) Die Summe der quadrierten Merkmalsanteile K H = n h 2 i i=1 bezeichnet man als Herfindahl-Index. 336
24 Bemerkungen: Der Herfindahl-Index ist normiert. Es gilt 1 n K H 1 Es gilt K H = 1/n genau dann, wenn minimale Konzentration vorliegt Es gilt K H = 1 genau dann, wenn maximale Konzentration vorliegt 337
25 Jetzt: Index, der die Biegung der Konzentrationskurve ausnutzt Erinnerung: Bei maximaler Konzentration ist die Konzentrationskurve maximal gebogen Bei egalitärer Verteilung ist die Konzentrationskurve gar nicht gebogen (sondern eine Gerade) 338
26 Dehalb: Fläche A innerhalb des Rechtecks [0, n] [0, 1], die oberhalb der Konzentrationskurve liegt, ist sinnvolle Maßzahl für die Konzentration des Merkmals Kleines A hohe Konzentration Großes A geringe Konzentration Jetzt: Formale Berechnung des Flächeninhaltes A 339
27 Zur Berechnung des Rosenbluth-Index 1 0,8 CR(i) 0,6 0,4 0, i 340
28 Zunächst: Berechnung der Flächeninhalte A 1,..., A 5 A 1 = h 1 2 = h A 2 = h h 2 = 3 2 h 2 = h A 3 = h h 3 = 5 2 h 3 = h A 4 = h h 4 = 7 2 h 4 = h A 5 = h h 5 = 9 2 h 5 = h
29 Allgemein gilt für alle i = 1,..., n: A i = h i 2i 1 2 Somit folgt für den gesuchten Flächeninhalt A: A = n i=1 A i = n i=1 h i 2i 1 2 = n i=1 h i (i 1 2 ) = = n i=1 h i i 1 2 n i=1 h i i 1 2 n h i i=1 342
30 Jetzt: Definition eines Konzentrationsindexes basierend auf dem Flächeninhalt A Definition 7.4: (Rosenbluth-Index) Der Rosenbluth-Index ist definiert als K R = 1 2A = 1. n 2 i h i 1 i=1 343
31 Bemerkungen: Der Rosenbluth-Index ist normiert. Es gilt 1 n K R 1 Es gilt K R = 1/n genau dann, wenn minimale Konzentration vorliegt Es gilt K R = 1 genau dann, wenn maximale Konzentration vorliegt 344
32 7.3 Disparitätsmessung Wichtige Grundvoraussetzung: Die Daten x 1,..., x n sind aufsteigend geordnet: (vgl. Folie 319) 0 x 1 x 2... x n 345
33 Weitere Bezeichnungen: Wie bei der Konzentrationsmessung bezeichne h r = x r n x i i=1 den Anteil des r-ten Merkmalsträgers an der Merkmalssumme Wegen 0 x 1... x n gilt für die Merkmalsanteile: 0 h 1 h 2... h n Frage: Welchen Anteil an der Merkmalssumme vereinigen bestimmte Anteile der Population auf sich? 346
34 7.3.1 Lorenzkurve Definition 7.5: (Lorenzkurve) Für i = 1,..., n bezeichne L ( ) i n = i r=1 h r = i x r r=1 n x r r=1 den Anteil der i kleinsten Merkmalsträger an der Merkmalssumme. Zeichnet man nun die Punkte ( ( )) ( ( )) ( ( )) n 1 n 1 (0, 0), n, L, n n, L,..., n n, L, (1, 1) n in ein Koordinatensystem und verbindet man diese durch einen linearen Streckenzug, so erhält man die Lorenzkurve der Daten x 1,..., x n. 347
35 Bemerkung: Die Lorenzkurve ordnet dem Anteil i/n der i kleinsten Merkmalsträger der Population den dazugehörigen Merkmalsanteil L(i/n) an der Grundgesamtheit zu. Die Lorenzkurve trägt somit zwei Anteile gegeneinander ab Beispiel: [I] (vgl. Folie 323) Fünf Unternehmen eines Marktes weisen die folgenden Umsätze auf (in Mill. Euro) x 1 = 330, x 2 = 120, x 3 = 90, x 4 = 30, x 5 =
36 Beispiel: [II] Umordnung (vom kleinsten zum größten) ergibt folgende Arbeitstabelle: i x i h i L( 5 i ) = i r=1 h r
37 Lorenzkurve: 1 0,8 L(i/n) 0,6 0,4 0, ,2 0,4 0,6 0,8 1 i/n 350
38 Eigenschaften der Lorenzkurve: [I] Der Graph der Lorenzkurve befindet sich im Einheitsquadrat. Es gilt L(0) = 0 und L(1) = 1. Die Lorenzkurve ist stückweise linear, streng monoton wachsend und konvex. Der Fall minimaler Disparität (absolute Gleichheit): Gilt x 1 = x 2 =... = x n, so folgt h 1 = h 2 =... = h n Dies impliziert L(i/n) = i/n, i = 0,..., n (Lorenzkurve ist die Diagonale im Einheitsquadrat) 351
39 Eigenschaften der Lorenzkurve: [II] Der Fall maximaler Disparität (absolute Ungleichheit): Die gesamte Merkmalssumme entfällt auf einen (den größten) Merkmalsträger: Es folgt x 1 = x 2 =... = x n 1 = 0, x n = n x i i=1 h 1 = h 2 =... = h n 1 = 0, h n = 1 Dies impliziert ( ) ( ) ( 1 2 n 1 L = L =... = L n n n (Lorenzkurve ist maximal gebogen) ) = 0, L(1) = 1 352
40 Lorenzkurven minimaler und maximaler Disparität: 1 L(i/n) i/n 353
41 Es gilt: Jede Lorenzkurve liegt zwischen den Extremen der minimalen Disparität (absolute Gleichheit) und der maximalen Disparität (absolute Ungleichheit) Wenn sich zwei Lorenzkurven nicht schneiden, weist die höhere Lorenzkurve eindeutig weniger Disparität auf als die niedrigere Lorenzkurve 354
42 Praktisches Problem: Lorenzkurven schneiden sich in vielen Fällen Kein eindeutiger Disparitätsvergleich möglich Ausweg: Beschreibe Ausmaß der Disparität durch einen Index Disparitätsvergleich anhand von Zahlen 355
43 7.3.2 Der Gini-Koeffizient Bekanntester Disparitätsindex: Der Gini-Koeffizient Intuition: Gini-Koeffizient nutzt Biegung der Lorenzkurve aus 356
44 Definition 7.6: (Gini-Koeffizient) Der Gini-Koeffizient (in Zeichen: D G ) ist definiert als das Zweifache der Fläche zwischen der Lorenzkurve und der Diagonalen im Einheitsquadrat. Formale Darstellung: [I] Es bezeichne B die Fläche unterhalb der Lorenzkurve im Einheitsquadrat. Dann gilt: D G = 2 ( ) 1 2 B = 1 2B 357
45 Zur Berechnung des Gini-Koeffizienten 1 L(i/n) i/n 358
46 Formale Darstellung: [II] Man kann zeigen, dass gilt: B = n i=1 B i = n i=1 h i 2n 2i + 1 2n Damit folgt D G = 1 2B = 1 = n i=1 h i n i=1 h i n i=1 h i 2n 2i + 1 n 2n 2i + 1 = n n i=1 h i ( 1 2n 2i + 1 n ) = n i=1 h i 2i n 1 n 359
47 Bemerkungen: Der Gini-Koeffizient ist normiert. Es gilt 0 D G 1 1 n Es gilt D G = 0 genau dann, wenn minimale Disparität (absolute Gleichheit) vorliegt Es gilt D G = 1 1/n genau dann, wenn maximale Disparität (absolute Ungleichheit) vorliegt 360
48 Beispiel: (vgl. Folie 348) Gini-Koeffizient für die 5 Unternehmen eines Marktes Arbeitstabelle: i x i h i L( i 5 ) = i r=1 h r 2i i h i = D G 361
Wirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007
Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
MehrKapitel VII - Konzentration von Merkmalswerten
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrBedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung
Konzentration Bedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung dynamische Konzentration: zur Charakterisierung der Zunahme einer
MehrStatistik I für Betriebswirte Vorlesung 10
Statistik I für Betriebswirte Vorlesung 10 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 13. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg Streuungsparameter Etschberger SS Voraussetzung: kardinale Werte x,..., x n Beispiel:
MehrDeskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten
Deskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Einleitung 2. Lorenzkurve
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
Mehr4 Konzentrationsmessung
4 Konzentrationsmessung 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten (Frage zum Beispiel: Welchen Anteil
Mehr4 Konzentrations- und Armutsmessung
4 Konzentrations- und Armutsmessung 222 4.1 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. Fahrmeir, L. & Künstler, R. & Pigeot,
MehrBeispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil 2)
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil ) Aufgabe (Lorenzkurve und Einkommen) Stellen Sie folgende Einkommensverteilung als Lorenzkurve dar. Wochenlohn Häufigkeit 500-599.99
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
Mehrb) Erläutern Sie die beiden Verläufe für die Altersgruppen 0-20, und ab 41. (3 Punkte)
Teil III (Empirie) - Prof. Regina T. Riphahn, Ph.D. Aufgabe 5 [5 Punkte] a) Skizzieren Sie den Verlauf der Absterbeordnung jeweils für Männer für ein Kalenderjahr mit und ohne Krieg. Unterstellen Sie,
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrMathematischer Vorkurs Dr. Thomas Zehrt Funktionen 1. 1 Grundlagen 2. 2 Der Graph einer Funktion 4. 3 Umkehrbarkeit 5
Universität Basel Wirtschaftswissenschaftliches Zentrum Abteilung Quantitative Methoden Mathematischer Vorkurs Dr. Thomas Zehrt Funktionen 1 Inhaltsverzeichnis 1 Grundlagen 2 2 Der Graph einer Funktion
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
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
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 8. September 2011 Für die Mathematik zentral sind Abbildungen und Funktionen. Häufig wird zwischen beiden Begriffen nicht unterschieden.
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
Mehr8 Verteilungsfunktionen und Dichten
8 Verteilungsfunktionen und Dichten 8.1 Satz und Definition (Dichten) Eine Funktion f : R R heißt Dichtefunktion, kurz Dichte, wenn sie (Riemann-) integrierbar ist mit f(t) 0 für alle t R und Setzt man
Mehr4 Spezifizierende Beschreibung empirischer Verteilungen
4 Spezifizierende Beschreibung empirischer Verteilungen 55 4 Spezifizierende Beschreibung empirischer Verteilungen 4.1 Spezifika empirischer Verteilungen 59 4.2 Lagekennwerte 63 4.2.1 Arithmetisches Mittel
MehrLösungen zur deskriptiven Statistik
Lösungen zur deskriptiven Statistik Aufgabe 1. Bei einer Stichprobe von n = Studenten wurden folgende jährliche Ausgaben (in e) für Urlaubszwecke ermittelt. 1 58 5 35 6 8 1 6 55 4 47 56 48 1 6 115 8 5
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrMathematik I Herbstsemester 2014 Kapitel 4: Anwendungen der Differentialrechnung
Mathematik I Herbstsemester 2014 Kapitel 4: Anwendungen der Differentialrechnung www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrÜbungen Teil 1: Weltbevölkerung, Armut, ICT, Lorenzkurve & Gini, Equity. Die Besprechung dieses Übungsblattes findet am Mittwoch, den
Übungen Teil 1: Weltbevölkerung, Armut, ICT, Lorenzkurve & Gini, Equity Allgemeine Informationen Die Übungen finden in 14-tägigem Rhythmus statt abweichende Termine werden in der Vorlesung und auf der
Mehr2. Mathematische Grundlagen
2. Mathematische Grundlagen Erforderliche mathematische Hilfsmittel: Summen und Produkte Exponential- und Logarithmusfunktionen 21 2.1 Endliche Summen und Produkte Betrachte n reelle Zahlen a 1, a 2,...,
MehrRückblick. Dynamische Systeme. Reiner Lauterbach. Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg
Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg 5. Vorlesung Ergänzungen 14.05.2012 Satz. Die C [0, 1] ist gegeben durch C = c [0, 1] c = c j 3 j, c j {0, 2}. j=1 Beweis.
MehrSitzung 10. Besprechung der Beispielklausur Fragen 24 & 25. Dr. Gerrit Bauer Zentralübung Sozialstrukturanalyse
Sitzung 10 Besprechung der Beispielklausur Fragen 24 & 25 Dr. Gerrit Bauer Zentralübung Sozialstrukturanalyse Äquivalenzeinkommen: Frage 24 Berechnet man, weil manche Menschen mehr, manche weniger Geld
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
Mehr13. Funktionen in einer Variablen
13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrMathematik Q1 - Analysis INTEGRALRECHNUNG
Mathematik Q1 - Analysis INTEGRALRECHNUNG ZIELE Einführung der neuen Begrifflichkeiten orientierter Flächeninhalt Integral Integralfunktion anhand der Badetag-Aufgabe Berechnung von Integralen mittels
MehrMartin Siegel Verena Vogt Leonie Sundmacher. Dienstag, 18. März Technische Universität Berlin Gesundheitsökonomisches Zentrum (BerlinHECOR)
Hat sich gesundheitliche Ungleichheit in Ost- und Westdeutschland seit der Wiedervereinigung unterschiedlich entwickelt? Ein Vergleich anhand der Zerlegung von Konzentrationsindizes Martin Siegel Verena
MehrCelle. Betragsfunktion 1-E1. Vorkurs, Mathematik
Celle Betragsfunktion 1-E1 1-E2 Betragsfunktion y = x : Aufgabe 1 Abb. 1: Graph der Betragsfunktion y = x Die Abb. 3-1 zeigt die Betragsfunktion y = x. Beschreiben Sie die Eigenschaften dieser Funktion:
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
MehrVorlesung 3: Risikoaversion
Vorlesung 3: Risikoaversion Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 3 (FS 11) Risikoaversion 1 / 21 1. Modellrahmen In diesem Kapitel betrachten wir nur monetäre
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrSMALL & CR4 40 (N = 63) F E/F F E/F F E/ F 25% %
1 Beispiel 4 (Die Lorenzkurve in der Betriebswirtschaft) Example 4.1 (The distribution of firms in Germany) Source: Vivek Ghosal, Prakash Loungani, The differential impact of incertainty on investment
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrGrundbegriffe der Funktionen aus der 9. Schulstufe
Unterrichtsfach Schulstufe Thema Fachliche Vorkenntnisse Fachliche Kompetenzen Sprachliche Kompetenzen athematik 10. Schulstufe (6. Klasse AHS Grundbegriffe der Funktionen aus der 9. Schulstufe Darstellen
MehrVorläufige Musterlösungen (Stand: 21. März 2013) zur Klausur zu. Modul 2 im BSc-Studiengang Psychologie. apl. Prof. Dr. H.-J.
LOTSE Vorläufige Musterlösungen (Stand: 21. März 2013) zur Klausur zu Modul 2 im BSc-Studiengang Psychologie Termin: 5. März 2013, 14.00-18.00 Uhr apl. Prof. Dr. H.-J. Mittag Dr. H.-G. Sonnenberg; Prof.
MehrChristoph Schöffel, Deskriptive Statistik. 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1. Thema 1: Darstellungsweise von Merkmalen 1
Inhaltsübersicht 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1 Thema 1: Darstellungsweise von Merkmalen 1 1. Diskrete und (quasi-)kontinuierliche Merkmale 1 1.1 Was sind Merkmale 1 1.2 Darstellungsweise
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische
MehrLineare Funktion Eigenschaften von linearen Funktionen Übungen Bearbeite zu jeder der gegebenen Funktionen die Fragen:
Lineare Funktion Eigenschaften von linearen Funktionen Übungen - 3 2.0 Bearbeite zu jeder der gegebenen Funktionen die Fragen: steigt oder fällt der Graph der Funktion? schneidet der Graph die y-achse
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrDieses Kapitel vermittelt:
2 Funktionen Lernziele Dieses Kapitel vermittelt: wie die Abhängigkeit quantitativer Größen mit Funktionen beschrieben wird die erforderlichen Grundkenntnisse elementarer Funktionen grundlegende Eigenschaften
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrLernrückblick. 1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen:
1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: b) Beispiel 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen: b) Beispiel 3 Entscheide dich. Ich fühle mich fit im Bereich
Mehr2.5 Funktionen 2.Grades (Thema aus dem Bereich Analysis)
.5 Funktionen.Grades (Thema aus dem Bereich Analysis) Inhaltsverzeichnis 1 Definition einer Funktion.Grades. Die Verschiebung des Graphen 5.1 Die Verschiebung des Graphen in y-richtung.........................
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrKapitel 6: Konzentrations- und Disparitätsmessung
Kapitel 6: Konzentrations- und Disparitätsmessung. Konzentrationsbegriff und Konzentrationsmessung... 4 a) Absolute und relative, statische und dynamische Konzentration... 4 b) Konstruktion von Konzentrations-
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrMathematik I Herbstsemester 2014
Mathematik I Herbstsemester 2014 www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 22 1 Funktionen Definitionen
MehrInstitut für Statistik. Masterarbeit. über das Thema. Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden.
Institut für Statistik Masterarbeit über das Thema Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden Autorin: Betreuer: Carina Landgraf Prof. Dr. Heumann Abgabedatum: 22. September
Mehr3. Quintil. 2. Quintil
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve) Aufgabe Stellen Sie die Einkommensungleichheit in Argentinien, Brasilien, Costa Rica, Chile, Mexico, Panama, Peru und Venezuela mit Hilfe
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrAnalysis: Klausur Analysis
Analysis Klausur zur Integralrechnung Stammfunktionsberechnung, Flächenberechnung, Rotationsvolumen, Funktionen zu Änderungsraten (Bearbeitungszeit: 9 Minuten) Gymnasium J1 Aleander Schwarz www.mathe-aufgaben.com
MehrLösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner)
Lösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner) Teil : Mathematische Grundkompetenzen ) Es muss (ausschließlich) die richtige Antwortmöglichkeit
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrTriangulierung von einfachen Polygonen
Triangulierung von einfachen Polygonen - Seminarvortrag von Tobias Kyrion - Inhalt: 1.1 Die Problemstellung Quellenangabe 1.1 Die Problemstellung Definition Polygon: endlich viele paarweise verschiedene
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrPflichtteilaufgaben zu Funktionenkompetenz. Baden-Württemberg
Pflichtteilaufgaben zu Funktionenkompetenz Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com September 016 1 Übungsaufgaben: Ü1: Die Abbildung zeigt
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 5
Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 5 Hausaufgaben Aufgabe 5. Bestimmen Sie folgende Grenzwerte. Benutzen
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
MehrSCHRIFTLICHE ABITURPRÜFUNG Mathematik (Grundkursniveau) Arbeitszeit: 210 Minuten
Mathematik (Grundkursniveau) Arbeitszeit: 210 Minuten Es sind die drei Pflichtaufgaben und eine Wahlpflichtaufgabe zu lösen. Der Prüfling entscheidet sich für eine Wahlpflichtaufgabe. Die zur Bewertung
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrTaylorreihen. Kapitel 9. Lernziele. Taylorreihe. (x x 0 ) + f (x 0 ) 2! (x x 0 ) f (n) (x 0 ) (x x 0 ) n. Taylorreihe und MacLaurinreihe
Kapitel 9 Taylorreihen Josef Leydold c 2006 Mathematische Methoden IX Taylorreihen 1 / 25 Lernziele Taylorreihe und MacLaurinreihe Beispiele Alternative Schreibweisen Approimation der Veränderung einer
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
MehrAnalysis: Klausur Analysis
Analysis Klausur zu Extrempunkten, Interpretation von Graphen von Ableitungsfunktionen, Tangenten und Normalen, Extremwertaufgaben (Bearbeitungszeit: 90 Minuten) Gymnasium J Alexander Schwarz www.mathe-aufgaben.com
MehrBestimmung einer ganzrationalen Funktionenschar
Bestimmung einer ganzrationalen Funktionenschar x Gesucht ist eine Schar f a ganzrationaler Funktionen. Grades, deren Graphen durch A(0 ) und B( ) verlaufen und in A die Steigung a haben. Funktionenschar
MehrGRUPPE B Prüfung aus Statistik 1 für SoziologInnen
GRUPPE B Prüfung aus Statistik 1 für SoziologInnen 16. Oktober 2015 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( )
MehrUnterlagen für die Lehrkraft
Ministerium für Bildung, Jugend und Sport Zentrale Prüfung zum Erwerb der Fachhochschulreife im Schuljahr 0/0 Mathematik B 8. Mai 0 09:00 Uhr Unterlagen für die Lehrkraft . Aufgabe: Differentialrechnung
MehrFunktionen in zwei (und mehreren) Veränderlichen
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstsemester 8 Funktionen in zwei (und mehreren) Veränderlichen Inhalt: 1. Definition und Beispiele.
MehrKonvergenz einer Folge. 1-E1 Ma 1 Lubov Vassilevskaya
Konvergenz einer Folge 1-E1 Ma 1 Lubov Vassilevskaya Konvergenz einer Folge: Inhalt Drei Verhaltensmuster von Folgen. Beispiele 1 ) = 1 n, = n n +1, 2 ) = ( 1)n n +1 n und ihre graphischen Darstellungen.,
MehrAnalysis: Klausur Analysis
Analysis Klausur zu Ableitung, Extrem- und Wendepunkten, Interpretation von Graphen von Ableitungsfunktionen, Tangenten und Normalen (Bearbeitungszeit: 90 Minuten) Gymnasium J Alexander Schwarz www.mathe-aufgaben.com
MehrSCHRIFTLICHE ABITURPRÜFUNG 2010 Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten
Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten Es sind die drei Pflichtaufgaben und eine Wahlpflichtaufgabe zu lösen. Der Prüfling entscheidet sich für eine Wahlpflichtaufgabe. Die zur Bewertung
Mehr1. Mathematikklausur NAME:
Themen: Ganzrationale Funktionen: Skizzieren, untersuchen bestimmen. 1. Mathematikklausur NAME: Schreiben Sie die Lösung mit dem Lösungsweg auf ein kariertes Doppelblatt. Lassen Sie auf jeder Seite einen
MehrRudolf Brinkmann Seite und W = {x 3 x 6}
Rudolf Brinkmann Seite 0.0.008 Lineare Funktionen Es soll der Graph der Funktion f = {,y y = f() = } in den Bereichen D { } = und W = { 6} - - 0 f() = -6-0 6 9 erstellt werden. 6 6 5 0 Definition Eine
Mehr1.3 Berechnen Sie die Koordinaten der Wendepunkte des Schaubildes der Funktion f mit f( x) x 6x 13
Musteraufgaben ab 08 Pflichtteil Aufgabe Seite / BEISPIEL A. Geben Sie Lage und Art der Nullstellen der Funktion f mit f( x) ( x ) ( x ) ; x IR an.. Bestimmen Sie die Gleichung der Tangente in P( f ())
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
Mehr4 Konzentrationsmessung
4 Konzentrationsmessung 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. welchen Anteil am Gesamtvermögen
Mehr1.2 Einfache Eigenschaften von Funktionen
1.2 Einfache Eigenschaften von Funktionen 1.2.1 Nullstellen Seien A und B Teilmengen von R und f : A B f : Df Wf eine Funktion. Eine Nullstelle der Funktion f ist ein 2 D f, für das f ( = 0 ist. (Eine
MehrKartesisches Produkt. 1-E1 M-1, Lubov Vassilevskaya
Kartesisches Produkt 1-E1 M-1, Lubov Vassilevskaya Neue Art, Mengen miteinander zu verknüpfen Abb.: Mengen und ihre Verknüpfungen Es gibt verschiedene Arten, aus zwei Mengen eine neue zu bilden, z.b. Durchschnitt,
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
Mehr