Lineare Regression. Werner Stahel Seminar für Statistik, ETH Zürich. Januar Unterlagen zum Block Rg1 des Kurses in Angewandter Statistik
|
|
- Maike Schubert
- vor 8 Jahren
- Abrufe
Transkript
1 Lneare Regresson Werner Stahel Semnar für Statstk, ETH Zürch Januar 2006 Unterlagen zum Block Rg1 des Kurses n Angewandter Statstk
2 2
3 3 Inhaltsverzechns 1 Enführung n de statstsche Regressonsrechnung Bespele zur lnearen Regresson Fragestellungen Ausblck Enfache lneare Regresson Das Modell Schätzung der Parameter Tests und Vertrauensntervalle Vertrauens- und Vorhersage-Bereche A Klenste Quadrate B Vertelung der geschätzten Parameter S S-Funktonen Multple lneare Regresson Modell und Statstk Velfalt der Fragestellungen Multple Regresson st mehr als vele enfache Modell und Schätzungen n Matrx-Schrebwese Vertelung der geschätzten Regressonskoeffzenten A Anhang: Grundbegrffe der Lnearen Algebra S S-Funktonen Resduen-Analyse Problemstellung Resduen und angepasste Werte Vertelung der Fehler Zelgrösse transformeren? Ausresser und langschwänzge Vertelung Resduen und erklärende Varable
4 0 4.7 Gewchtete lneare Regresson * Gesamthafte Überprüfung Unabhänggket Enflussreche Beobachtungen A Theoretsche Vertelung der Resduen S S-Funktonen Modellwahl Problemstellung Wchtgket enes enzelnen Terms Automatserte Verfahren zur Modellwahl Kollneartät Strategen der Modellwahl S S-Funktonen Ergänzungen Fehlerbehaftete erklärende Varable Echung Zusammenfassung Enfache lneare Regresson Multple lneare Regresson Resduen-Analyse Modellwahl Ergänzungen Lteratur zur lnearen Regresson
5 1 Enführung n de statstsche Regressonsrechnung 1.1 Bespele zur lnearen Regresson a In der Wssenschaft, n der Technk und m Alltag fragen wr mmer weder danach, we ene Grösse, de uns spezell nteressert, von anderen Grössen abhängt. Dese grundlegende Frage behandelt de statstsche Regresson, de deshalb wohl (neben enfachen grafschen Darstellungen) de am mesten verwendete Methodk der Statstk darstellt. In desem Abschntt soll mttels Bespelen zur gewöhnlchen lnearen Regresson n de Problemstellung engeführt werden, bevor en Überblck über de verschedenen, allgemeneren Regressons-Modelle geboten wrd. b Bespel Sprengungen. Bem Bau enes Strassentunnels zur Unterfahrung ener Ortschaft muss gesprengt werden. De Erschütterung der Häuser darf dabe enen bestmmten Wert ncht überschreten. In der Nähe der Häuser muss daher vorschtg gesprengt werden, was natürlch zu erhöhten Kosten führt. Es lohnt sch, ene Regel zu entwckeln, de angbt, we stark n welcher Stuaton gesprengt werden darf. Erschütterung Ladung Dstanz Abbldung 1.1.c: Erschütterung n Abhänggket von der Dstanz für verschedene Ladungen Verson WL Jan 2006, c W. Stahel
6 2 1 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG De Erschütterung st abhängg von der Sprengladung, von der Dstanz zwschen dem Spreng- und dem Messort, von der Art des Untergrund-Materals zwschen desen Punkten, vom Ort der Sprengung m Tunnelprofl und möglcherwese von weteren Grössen. Wäre de Erschütterung ene exakte, bekannte Funkton deser Grössen und könnte man se be ener geplanten Sprengung alle genau erfassen, dann könnte man de Sprengladung ausrechnen, de zu ener gerade noch tolererbaren Erschütterung führt. c Begnnen wr, mathematsche Symbole und Sprachregelungen enzuführen! De Zelgrösse y (englsch target varable) de Erschütterung hängt über ene Funkton h von den Ausgangsgrössen oder erklärenden Varablen x (1), x (2),..., x (m) (explanatory varables) Ladung, Dstanz, Spreng-Stuaton, Untergrundart ab. (De ebenfalls gebräuchlchen Ausdrücke unabhängge Varable für de x (j) und abhängge Varable für y snd rreführend, da se mt stochastscher Unabhänggket nchts zu tun haben.) Im Idealfall sollte also y = h x (1), x (2),..., x (m) für jede Beobachtung (jede Sprengung) gelten. Leder exstert ene solche Formel ncht, und das Untergrundmateral st soweso ncht genau genug erfassbar. Abbldung 1.1.c zegt de Erschütterung n Abhänggket von der Dstanz für verschedene Ladungen. (De Daten stammen vom Bau der Unterfahrung von Schaffhausen. Se wurden freundlcherwese vom Ingeneurbüro Basler und Hoffmann, Zürch, zur Verfügung gestellt.) De statstsche Regressonsrechnung geht davon aus, dass ene Formel wengstens ungefähr glt bs auf Abwechungen, de zufällg genannt werden. Wr schreben Y = h x (1), x (2),..., x (m) + E und nennen de E de Zufallsfehler. De Vorstellungen, we gross solche Abwechungen snd, werden mt ener Wahrschenlchkets-Vertelung formulert. Oft wrd dafür de Normalvertelung verwendet. Man wrd mt Hlfe deses Modells trotz der Unscherhet ene Regel für de zu wählende Grösse der Sprengladung herleten können. Allerdngs muss man zulassen, dass gemäss Modell auch ene zu grosse Erschütterung mt ener gewssen Wahrschenlchket auftreten kann. Wll man dese Wahrschenlchket klen halten, so muss man entsprechend vorschtg sprengen. De statstsche Regressonsrechnung gbt enen Zusammenhang zwschen der Ladung und der Wahrschenlchket ener zu grossen Erschütterung be ener bestmmten Dstanz an. Deses Bespel wrd uns n den kommenden Abschntten begleten. Auf de Antworten müssen Se deshalb noch ene Wele warten. d Bespel Schadstoffe m Tunnel. De Schadstoffe, de vom motorserten Verkehr ausgestossen werden, blden enen wesentlchen Bestandtel der Belastung der Luft. Um de Grösse deser Belastung zu schätzen, werden für de Fahrzeuge so genannte Emssonsfaktoren bestmmt. Des kann enersets auf dem Prüfstand geschehen, auf dem de Strasse mt Rollen smulert wrd. Der Wderstand der Rol-
7 1.1. BEISPIELE ZUR LINEAREN REGRESSION 3 len wrd dabe varert, so dass en typscher Fahrzyklus durchgespelt werden kann. Anderersets egnen sch Strassentunnels mt En-Rchtungs-Verkehr für Messungen unter realen Bedngungen. Msst man Schadstoff-Konzentratonen am Anfang und am Schluss des Tunnels und zählt, we vele Fahrzeuge durch den Tunnel fahren, so kann man ebenfalls Emssonsfaktoren ausrechnen. Allerdngs erhält man zunächst nur enen gemttelten Faktor für jeden gemessenen Schadstoff, und deser lässt sch ncht ohne zusätzlche Erkenntnsse auf andere Strassenabschntte übertragen. Wenn man de Anzahl der Fahrzeuge nach Fahrzeug-Kategoren auftelen kann, dann kann man mmerhn mt Regressonsrechnung zu enem Emssonsfaktor für jede Fahrzeug-Kategore kommen. Während ener Woche m September 1993 wurden n der Südröhre des Gubrst- Tunnels nördlch von Zürch solche Messungen durchgeführt. De Schadstoff-Konzentratonen am Anfang und am Ende wurden gemessen und de Luftströmung erfasst. Daraus lässt sch de Schadstoff-Emsson Y pro Klometer für alle durchgefahrenen Fahrzeuge zusammen berechnen. Von enem Schlaufen-Detektor m Strassenbelag wurden de Fahrzeuge n zwe Kategoren gezählt: Auf Grund des Abstands von Vorder- und Hnterachse wurden de Lastwagen von den übrgen Fahrzeugen getrennt. Es bezechne x (1) de Anzahl Ncht-Lastwagen und x (2) de Anzahl Lastwagen. De gesamten Emssonen n der Zetperode setzen sch zusammen gemäss Y = θ 1 x (1) + θ 2 x (2) + E, wobe θ 1 de durchschnttlche Emsson pro Ncht-Lastwagen und θ 2 dejenge pro Lastwagen bedeutet also de Grössen, an denen wr n der Stude prmär nteressert snd. De Zufallsfehler E entstehen durch Varatonen n Bauart und Zustand der Fahrzeuge, durch zetlche Abgrenzungs-Schwergketen und durch Mess-Ungenaugketen. e De Formel lässt sch n ene üblchere und vellecht noch enfachere Form brngen: Wr dvderen Y, x (1) und x (2) durch de gesamte Anzahl Fahrzeuge x (1) + x (2) und erhalten Ỹ = θ 1 x (1) + θ 2 x (2) + Ẽ, wobe Ỹ der mttlere Emssonsfaktor für de Zetperode und x (1) und x (2) Lastwagen bedeuten. Da x (1) = 1 x (2) de Antele der Ncht-Lastwagen und der st, glt Ỹ = θ 1 + (θ 2 θ 1 ) x (2) + Ẽ. Mt wenger komplzerten Symbolen geschreben seht das so aus: Y = α + βx + E. Des st das Modell ener so genannten enfachen lnearen Regresson. De Konstanten α und β nennen wr Koeffzenten oder Parameter des Modells. Wr wollen se aus den Daten der Stude bestmmen, also schätzen. In Abbldung 1.1.d zegt sch als Tendenz ene lneare Zunahme des mttleren Emssonsfaktors für NO x mt zunehmendem Lastwagen-Antel, we es dem besprochenen Modell entsprcht.
8 4 1 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG Ef.NOx Lastwagen-Antel Abbldung 1.1.d: Emssonsfaktor für NOx und Lastwagen-Antel, gemttelt über jewels 15 Mnuten, m Bespel der Schadstoffe m Tunnel. Dre extrem hohe Y -Werte snd m Bldrand dargestellt. f Bespel Lastwagen-Antel. Der Schlaufen-Detektor zählt zwar de gesamte Zahl der Fahrzeuge zuverlässg, kann aber den Antel der Lastwagen nur ungenau erfassen. Deshalb (unter anderem) wurde der Verkehr zetwese mt Vdeo aufgenommen und der Lastwagen-Antel auf desen Aufnahmen genau ausgezählt. Da des teurer war, konnte ncht der ganze Zetraum abgedeckt werden. Abbldung 1.1.f zegt, dass de Schlaufen-Zählung systematsche und zufällge Abwechungen von der Vdeo-Zählung aufwest. De zufällgen Abwechungen kommen telwese zustande, wel de Schlaufe am Anfang, de Kamera aber am Ende des Tunnels nstallert war, und de Abgrenzung der Mess-Intervalle ncht entsprechend korrgert wurde. (De Fahrzet beträgt etwa 3 Mnuten, de Intervalle dauerten 15 Mnuten.) Es ergbt sch de wet verbretete Stuaton, dass der Wert ener nteresserenden Grösse auf Grund der Messung ener mt hr zusammenhängenden anderen Grösse mttels ener Umrechnungsformel ermttelt werden soll. Dabe kann de Messung auf ener ganz anderen Skala erfolgen; bespelswese wrd ene Konzentraton mttels ener optschen Durchlässgket erfasst. Man geht zunächst davon aus, dass für enen gegebenen exakten Wert x de Messung Y sch aus enem Idealwert h x und enem Messfehler E zusammensetzt. Das entsprcht enem Regressonsmodell. Man bestmmt de Funkton h mttels Messungen Y, für de der zugehörge Wert x bekannt st. In der Anwendung wrd aber ncht von x auf Y, sondern von enem Messwert Y auf den gesuchten Wert x geschlossen. Aus deser Umkehrung ergeben sch gewsse zu-
9 1.1. BEISPIELE ZUR LINEAREN REGRESSION 5 Schlaufe Vdeo Abbldung 1.1.f: Lastwagen-Antel (n Prozenten) gemäss Schlaufen- und Vdeozählung. De Gerade stellt de Glechhet (y = x) dar. sätzlche Probleme. Deses Vorgehen entsprcht der Echung enes Messgeräts. Man msst Proben mt bekanntem exaktem Wert (z. B. bekannter Konzentraton) und lest de Messung ab. Dann wrd de Ablese-Skala ajustert, was der Schätzung und Verwendung der Funkton h n unserem allgemeneren Zusammenhang entsprcht. g h Bespel bassche Böden. In Inden behndern bassche Böden, also tefe Säurewerte oder hohe ph-werte, Pflanzen bem Wachstum. Es werden daher Baumarten gesucht, de ene hohe Toleranz gegen solche Umweltbedngungen haben. In enem Frelandversuch wurden auf enem Feld mt grossen lokalen Schwankungen des ph-wertes 120 Bäume ener Art gepflanzt und hre Höhe Y nach 3 Jahren gemessen. Abbldung 1.1.g zegt de Ergebnsse mt den zugehörgen ph-werten x (1) des Bodens zu Begnn des Versuchs. Zusätzlch wurde ene Varable x (2) gemessen, de enen etwas anderen Aspekt der Basztät erfasst (der Logarthmus der so genannten sodum absorpton rato, SAR). Deses Bespel hat also zwe Ausgangsgrössen. En Hauptzel der Untersuchung besteht darn, für gegebene Werte der beden Ausgangsgrössen an enem möglchen Pflanzort bestmmen zu können, we gut en solcher Baum dort wohl wachsen wrd. Es stellt sch zusätzlch de Frage, ob de Messung der zweten Grösse x (2) dazu überhaupt etwas beträgt, oder ob der ph (x (1) ) allen auch genügt. Bespel Antkörper-Produkton. Grössere Mengen von Antkörpern werden n botechnologschen Prozessen gewonnen. Dazu werden botechnologsch veränderte Zellen, de den entsprechenden Antkörper produzeren können, Wrtsteren (z. B. Mäusen) njzert. Nach ener gewssen Zet begnnen dese Zellen Antkör-
10 6 1 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG Höhe ph Abbldung 1.1.g: Baumhöhe n Abhänggket vom ph für das Bespel der basschen Böden per zu produzeren und auszuscheden. De ausgeschedene Flüssgket wrd dann engesammelt und weter verarbetet. Deses Bespel wrd ausführlch n Haaland (1989) dargestellt und analysert. Es dent uns her nur zur Illustraton der Fragestellung. De Zellen können erfahrungsgemäss nur Antkörper produzeren, wenn das Immunsystem der Wrtstere geschwächt wrd. Des kann durch 4 Faktoren geschehen. Es wrd zudem vermutet, dass de Menge der njzerten Zellen und deren Entwcklungsstand de Antkörper-Produkton beenflusst. Da es für so komplexe bologsche Prozesse kene theoretschen Modelle gbt, werden de relevanten Prozessfaktoren durch en Experment ermttelt. En solches Experment braucht vele Mäuse, st zetaufwändg und kostet Geld. Mt ener geschckten Versuchsanordnung können unter gerngstmöglchem Aufwand de wchtgen Prozessfaktoren ermttelt werden. Her hlft de statstsche Versuchsplanung. Als relevante Prozessfaktoren wurden n deser Stude zwe Prozessfaktoren dentfzert, nämlch de Doss von Co 60 Gamma-Strahlen und de Anzahl Tage zwschen der Bestrahlung und der Injekton enes renen Öls (englsche Bezechnung prstane). Dese beden Prozessfaktoren sollen nun so engestellt werden, dass ene möglchst optmale Menge von Antkörpern durch de veränderten Zellen produzert wrd. Dazu wollen wr en emprsches Modell Y = h x (1), x (2) +E fnden, das de Ausbeute Y von Antkörpern möglchst gut aus den beden Prozessfaktoren x (1) und x (2) vorhersagt. Als Funkton h wrd oft en quadratsches Polynom n den Varablen x (1) und x (2) verwendet. Mt dem aus den Daten bestmmten Modell lässt sch dann de optmale Enstellung [x (1) o, x (2) o ] der Prozessfaktoren bestmmen.
11 1.2. FRAGESTELLUNGEN Fragestellungen a b Von der Problemstellung her können de Anwendungen der Regresson n Gruppen engetelt werden: Vorhersage, Prognose, Interpolaton. Im Bespel der Sprengungen soll ene Formel helfen, für gegebene Dstanz und Ladung de Erschütterung vorherzusagen. Es nteressert ncht nur der mttlere zu erwartende Wert, sondern auch ene obere Grenze, über der de Erschütterung nur mt klener Wahrschenlchket legen wrd. (De Begrffe Vorhersage und Prognose werden mestens für ene zetlche Extrapolaton n de Zukunft verwendet. Her spelt de Zet kene Rolle ausser dass de Problemstellung nur wesentlch st, wenn de Sprengung noch ncht erfolgt st.) Schätzung von Parametern. Im Bespel des Gubrst-Tunnels sollen zwe Konstanten, de Emssonsfaktoren für Lastwagen und für übrge Fahrzeuge, bestmmt werden. c Bestmmung von Enflussgrössen. Im Bespel der Antkörper-Produkton müssen zunächst aus mehreren n Frage kommenden Ausgangsgrössen dejengen herausgefunden werden, de de Zelvarable wesentlch beenflussen. In velen Forschungs-Projekten steht dese Frage ebenfalls m Vordergrund: Von welchen Grössen wrd ene Zelgrösse egentlch beenflusst? d e f Optmerung. Im Bespel der Antkörper-Produkton sollten optmale Produktonsbedngungen gefunden werden. In allen Berechen der Produkton st dese Frage offenschtlch von grundlegender Bedeutung. Echung. Auf Grund der ungenauen und systematsch verfälschten Angabe des Schlaufen-Detektors soll der Antel der Lastwagen bestmmt werden. Dese Problemstellung kombnert Elemente der Vorhersage und der Schätzung von Parametern. Der Block Regresson 1 wrd sch vor allem mt den ersten dre Fragen befassen. 1.3 Ausblck a b In der lnearen Regresson, de m Folgenden behandelt wrd, setzt man voraus, dass de Zelgrösse ene kontnuerlche Varable st, dass de zufällgen Abwechungen E ener Normalvertelung folgen und von enander statstsch unabhängg snd und dass de Funkton h von ener enfachen Form st, nämlch n enem gewssen Snne lnear (sehe 3.2.w). De glechen Fragestellungen werden auch n der Varanzanalyse 1 behandelt, mt anderen Schwerpunkten bezüglch der Art der Ausgangsgrössen. Am Ende deses Blockes und n späteren Blöcken wrd deser Ansatz n velen Rchtungen erwetert: Wenn de Funkton h ncht m erwähnten Snne lnear st, kommt de nchtlneare Regresson zum Zug.
12 8 1 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG c Wenn de Beobachtungen der Zelgrösse und der erklärenden Grössen n ener zetlchen Abfolge auftreten, entstehen normalerwese besondere Probleme durch entsprechende Korrelatonen. Dese Besonderheten werden n der Theore der Zetrehen behandelt. d Man kann an mehreren Zelgrössen nteressert sen. Ene enfache Art, damt umzugehen, besteht darn, für jede von hnen ene separate Regressonsrechnung durchzuführen. De multvarate Statstk zegt, we man be gemensamer Betrachtung mt multvarater Regresson und Varanzanalyse noch etwas darüber hnaus gewnnen kann. e De Annahme der Normalvertelung für de E st oft nur näherungswese erfüllt. De Methoden, de wr m Folgenden kennen lernen, snd dann ncht mehr gut geegnet. Besser fährt man mt den Methoden der robusten Regresson. f De nteresserende Zelgrösse kann ene zwewertge Varable (Ja/Nen) sen. Das führt zur logstschen Regresson. Ist de Zelvarable ene Zählgrösse, ene dskrete geordnete oder ene nomnale Varable, so snd de verallgemenerten lnearen Modelle anzuwenden, zu denen auch das gewöhnlche und das logstsche Regressonmodell gehören. g Zeten bs zum Ausfall enes Gerätes oder bs zum Entreffen enes anderen Eregnsses folgen mest anderen Vertelungen als der üblcherwese verwendeten Normalvertelung. Ausserdem werden solche Eregnsse oft ncht für alle Beobachtungsenheten abgewartet, was zu so genannt zenserten Daten führt. Es gbt auch für solche Daten geegnete Regressonsmethoden, de m Gebet der Überlebenszeten (survval oder falure tme data) behandelt werden. h In der lnearen Regresson werden nur de Abwechungen E als Zufallsvarable modellert. Manchmal kann es auch snnvoll sen, de Parameter selbst durch Zufallsgrössen zu ersetzen. Des kommt vor allem n enem weterführenden Gebet der Varanzanalyse (repeated measures und Spaltanlagen, splt plot desgns) zum Zug, wo man von zufällgen Effekten sprcht. In all desen Modellen st de Regressonsfunkton en Mtgled ener Schar von vorgegebenen Funktonen, de durch enen oder mehrere Parameter charaktersert st. Es geht dann darum, dese(n) Parameter zu bestmmen. Was wr ntutv oft wollen, st ken n solcher Wese vorgegebener Funktonstyp, sondern enfach ene glatte Funkton. Man sprcht von Glättung der Daten. We man ene solche Idee mathematsch formulert und de entsprechende Funkton schätzt, untersucht de nchtparametrsche Regresson. j In all desen Verallgemenerungen erschenen mmer weder de glechen Grunddeen, de wr nun an Hand der lnearen Regresson zunächst mt ener enzgen erklärenden Varablen, nachher mt mehreren enführen wollen. De folgenden Unterlagen für de enfache Regresson enthalten Repettons- Abschntte zu den Begrffen der Schlessenden Statstk. Se sollen den Ensteg vor allem jenen erlechtern, de ncht gerade den entsprechenden Block des Nachdplomkurses hnter sch haben.
13 122 7 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG
14 123 Lteraturverzechns Agrest, A. (1990). Categorcal Data Analyss, Wley, N.Y. Agrest, A. (1996). Introducton to categorcal data analyss, Wley Seres n Probablty & Math. Statstcs, Wley, New York. Chrstensen, R. (1990). Log-lnear models, Sprnger, N.Y. Cleveland, W. S. (1994). The Elements of Graphng Data, 2nd edn, Hobart Press, Summt, New Jersey. Clogg, C. C. and Shhadeh, E. S. (1994). Statstcal models for ordnal varables, Sage, Thousand Oaks, CA. Cohen, A. (1980). On the graphcal dsplay of the sgnfcant components n a two-way contngency table, Communcatons n Statstcs Theory and Methods A9: Collet, D. (1991, 1999). Modellng bnary data, Chapman & Hall/CRC Press LLC, Boca Raton, Florda. Cook, R. D. and Wesberg, S. (1999). Appled regresson ncludng computng and graphcs, Wley, N.Y. Cox, D. R. (1989). Analyss of Bnary Data, 2nd edn, Chapman and Hall, London. Cox, D. R. and Snell, E. J. (1981). Appled Statstcs, Chapman and Hall, London. Danel, C. and Wood, F. S. (1980). Fttng Equatons to Data, 2nd edn, Wley, N.Y. Daves, P. (1995). Data features, Statstca Neerlandca 49: Devore, J. L. (1991). Probablty and Statstcs for Engneerng and the Scences, 3rd edn, Duxbury Press, Belmont, Calforna. Dobson, A. J. (2002). An Introducton to Generalzed Lnear Models, 2nd edn, Chapman and Hall, London. Draper, N. and Smth, H. (1998). Appled Regresson Analyss, 3rd edn, Wley, N.Y. Fahrmer, L. and Tutz, G. (1994). Multvarate Statstcal Modellng Based on Generalzed Lnear Models, Sprnger-Verlag, New York. Fox, J. and Monette, G. (1992). Generalzed collnearty dagnostcs, Journal of the Amercan Statstcal Assocaton 87: Fuller, W. A. (1987). Measurement Error Models, Wley, N.Y. Haaland, P. D. (1989). Expermental Desgn n Botechnology, Marcel Dekker, N.Y. Hartung, J., Elpelt, B. und Klösener, K. (1998). Statstk. Lehr- und Handbuch der angewandten Statstk, 11. Aufl., Oldenbourg, München.
15 124 7 EINFÜHRUNG IN DIE STATISTISCHE REGRESSIONSRECHNUNG Haste, T., Tbshran, R. and Fredman, J. (2001). The Elements of Statstcal Learnng: Data Mnng, Inference, and Predcton, Sprnger Seres n Statstcs, Sprnger-Verlag, New York. Hosmer, D. W. and Lemeshow, S. (1989). Appled Logstc Regresson, Wley, N.Y. Lnder, A. und Berchtold, W. (1982). Statstsche Methoden II: Varanzanalyse und Regressonsrechnung, Brkhäuser, Basel. Lndsey, J. K. (1995). Modellng Frequency and Count Data, number 15 n Oxford Statstcal Scence Seres, Clarendon Press, Oxford. McCullagh, P. and Nelder, J. A. (1989). Generalzed Lnear Models, 2nd edn, Chapman and Hall, London. Mosteller, F. and Tukey, J. W. (1977). Data Analyss and Regresson: A Second Course n Statstcs, Addson-Wesley, Readng, Massachusetts. Myers, R. H., Montgomery, D. C. and Vnng, G. G. (2001). Generalzed Lnear Models. Wth Applcatons n Engneerng and the Scences, Wley Seres n Probablty and Statstcs, Wley, NY. Ryan, T. P. (1997). Modern Regresson Methods, Seres n Probablty and Statstcs, Wley, N.Y. ncludes dsk Sachs, L. (1997). Angewandte Statstk, 8. Aufl., Sprnger, Berln. Sen, A. and Srvastava, M. (1990). Regresson Analyss; Theory, Methods, and Applcatons, Sprnger-Verlag, N.Y. Stahel, W. A. (2000). Statstsche Datenanalyse: Ene Enführung für Naturwssenschaftler, 3. Aufl., Veweg, Wesbaden. Stahel, W. A. (2002). Statstsche Datenanalyse: Ene Enführung für Naturwssenschaftler, 4. Aufl., Veweg, Wesbaden. van der Waerden, B. L. (1971). Mathematsche Statstk, 3. Aufl., Sprnger, Berln. Vncze, I. (1984). Mathematsche Statstk mt ndustrellen Anwendungen, Band1, 2, 2. Aufl., Bblograhsches Insttut, Mannhem. Wesberg, S. (1990). Appled Lnear Regresson, 2nd edn, Wley, N.Y. Wetherll, G. (1986). Regresson Analyss wth Applcatons, number 27 n Monographs on Statstcs and Appled Probablty, Chapmann and Hall, London.
nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
Mehr1.1 Beispiele zur linearen Regression
1.1. BEISPIELE ZUR LINEAREN REGRESSION 0 REGRESSION 1: Multple neare Regresson 1 Enführung n de statstsche Regressonsrechnung 1.1 Bespele zur lnearen Regresson b Bespel Sprengungen. Erschütterung Funkton
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrLineare Regression Teil des Weiterbildungskurses in angewandter Statistik
0 Lneare Regresson Tel des Weterbldungskurses n angewandter Statstk der ETH Zürch Folen Werner Stahel, September 2017 1.1 Bespele zur lnearen Regresson 1 1 Enführung n de statstsche Regressonsrechnung
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
Mehr3 Varianzanalyse und Versuchsplanung
Numersche und statstsche Methoden für Chemengeneure, Nov 2008 3 Varanzanalyse und Versuchsplanung Vorbemerkung. De Themen Varanz-Analyse und Versuchsplanung füllen be ener engermassen angemessenen Behandlung
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrDie Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
Mehr2.1 Einfache lineare Regression 31
.1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große
MehrLeistungsmessung im Drehstromnetz
Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n
MehrDer Satz von COOK (1971)
Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
MehrIT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.
IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrBackup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1
Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
Mehrmit der Anfangsbedingung y(a) = y0
Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrZwei Sätze von Joseph Wolstenholme. Johann Cigler
Zwe Sätze von Joseh Wolstenholme Johann Cgler Vor enger Zet sandte mr Herr P., en hlosohsch gebldeter älterer Mann, enge Bemerkungen zu enem Resultat von Joseh Wolstenholme, das er folgendermaßen formulerte:
MehrBildverarbeitung Herbstsemester 2012. Bildspeicherung
Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
MehrFunds Transfer Pricing. Daniel Schlotmann
Danel Schlotmann Fankfut, 8. Apl 2013 Defnton Lqudtät / Lqudtätssko Lqudtät Pesonen ode Untenehmen: snd lqude, wenn se he laufenden Zahlungsvepflchtungen jedezet efüllen können. Vemögensgegenstände: snd
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrVERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE
VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen
MehrMULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt
MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck
Mehrphil omondo phil omondo Skalierung von Organisationen und Innovationen gestalten Sie möchten mehr Preise und Leistungen Workshops und Seminare
Skalerung von Organsatonen und Innovatonen gestalten phl omondo Se stehen vor dem nächsten Wachstumsschrtt hrer Organsaton oder haben berets begonnen desen aktv zu gestalten? In desem Workshop-Semnar erarbeten
MehrGesetzlicher Unfallversicherungsschutz für Schülerinnen und Schüler
Gesetzlcher Unfallverscherungsschutz für Schülernnen und Schüler Wer st verschert? Lebe Eltern! Ihr Knd st während des Besuches von allgemen bldenden und berufsbldenden Schulen gesetzlch unfallverschert.
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrSind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)
LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrNetzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008
Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe
MehrDatenaufbereitung und -darstellung III
Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten
Mehr1. Systematisierung der Verzinsungsarten. 2 Jährliche Verzinsung. 5 Aufgaben zur Zinsrechnung. 2.1. Jährliche Verzinsung mit einfachen Zinsen
1 Systematserung der Verznsungsarten 2 Jährlche Verznsung 3 Unterjährge Verznsung 4 Stetge Verznsung 5 Aufgaben zur Znsrechnung 1. Systematserung der Verznsungsarten a d g Jährlche Verznsung nfache Znsen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrFachkräfte- Die aktuelle Situation in Österreich
Chart 1 Fachkräfte- De aktuelle Stuaton n Österrech Projektleter: Studen-Nr.: Prok. Dr. Davd Pfarrhofer F818..P2.T n= telefonsche CATI-Intervews, repräsentatv für de Arbetgeberbetrebe Österrechs (ohne
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
MehrEinbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren!
Franz Schuck GmbH Enbau-/Betrebsanletung Stahl-PE-Übergang Typ PESS / Typ PESVS Orgnalbetrebsanletung Für künftge Verwendung aufbewahren! Enletung Dese Anletung st für das Beden-, Instandhaltungs- und
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
Mehr5 Gemischte Verallgemeinerte Lineare Modelle
5 Gemschte Verallgemenerte Lneare Modelle Wr betrachten zunächst enge allgemene Aussagen für Gemschte Verallgemenerte Lneare Modelle. Se y der beobachtbare Zufallsvektor und u der Vektor der ncht-beobachtbaren
MehrW i r m a c h e n d a s F e n s t e r
Komfort W r m a c h e n d a s F e n s t e r vertrauen vertrauen Set der Gründung von ROLF Fensterbau m Jahr 1980 snd de Ansprüche an moderne Kunststofffenster deutlch gestegen. Heute stehen neben Scherhet
Mehr