Geo 241 Modellierung von Systemen Modulverantwortlicher: Dr. Krause. Sommersemester 2009
|
|
- Bertold Leonard Heidrich
- vor 6 Jahren
- Abrufe
Transkript
1 Geo 241 Modellierung von Systemen Modulverantwortlicher: Dr. Krause Sensitivität Tino Wunderlich Matrikel Gliederung 1. Sensitivität in der Statistik ( Berechnung / Beispiel) 2. Sensitivität in der Modellierung 3. Verschiedene Arten von Sensitivitätsanalysen klassisch anhand einer Reaktionsoberfläche GSA Literatur 1
2 1. Sensitivität in der Statistik Sensitivität Die Wahrscheinlichkeit eines statistischen Tests oder einer anderen Klassifizierung, den tatsächlichen positiven Sachverhalt durch ein positives Testergebnis zu erhalten. 1. Berechnung: Sensitivität Spezifität 2
3 1. Bsp. Medizinische Untersuchung Abb. 1 fiktives Beispiel zur Berechnung der Sensitivität / Spezifität (Deutsche Zahnärztliche Zeitschrift) Sensitivität = 79 richtig positive (98,75%) 79 richtig positive + 1 falsch negative Spezifität = 249 richtig negativ (69,2% ) 249 richtig negative falsch positive 2. Sensitivität in der Modellierung Sensitivitätsanalyse = Empfindlichkeitsanalyse stellt fest, mit welcher Empfindlichkeit ein Simulationsmodell auf die Änderung der Modellparameter reagiert Erschließung Genauigkeit der Parameter Durchführung, wenn ein Modell für einen praktischen Einsatz angepasst ist und untersucht werden soll, wie stark sich eventuelle Fehler in der Parameterschätzung auswirken 3
4 2. Ziele der Sensitivitätsanalyse Erkennung von Parametersätzen, die ein besonderes hohe Anfälligkeit für Fehler ausweisen oder unglaubwürdig erscheinen Quantifizierung der Änderung von Modelleingabe und Modellausgabe Identifikation der Parameter, für die man besonders genaue Eingangsinformationen braucht Gesamtverständnis des Modellsystems Beurteilung, inwiefern das Modell auf bestimmte Fragestellungen anwendbar ist 3. Verschiedene Arten von Sensitivitätsanalysen 3.1 klassische Sensitivitätsanalysen 3.2 anhand einer Reaktionsoberfläche 3.3 GSA (Generalisierte Sensitivitätsanalyse) 4
5 3.1 klassische Sensitivitätsanalyse Untersuchung eines einzelnen Modellparameters innerhalb eines Modells Durchführung Abschätzung d. Modellreaktion, indem ein Parameter prozentual ( +5 %, +10%. ) verändert wird und die anderen konstant gehalten werden. sehr aufwendig große Anzahl von Parametern in hydrologischen Modellen einfache Handhabung Formel für die Berechnung des Sensitivitätsindexes Abb. 2. Die drei Haupttypen der Modellausgabereaktion (Schröder 2000) 5
6 3.2 Sensitivitätsanalyse anhand einer Reaktionsoberfläche für die Interaktion zw. den einzelnen Parametern Reaktionsoberfläche (response surface) aus zwei oder mehr Parametern Beurteilung der Parametersensitivität durch (Abflussvolumen, Wasserspiegel) oder Gütemaßes Modellantwort bildet die dritte Dimension Abb.3 Reaktionsoberfläche zweier Parameter ( Beven 2002) 3.3. Generalisierte Sensitivitätsanalyse (GSA) Entnahme von möglichst vielen gleich verteilten Proben aus dem Parameterraum Erzeugung von Parametersätzen aus zufälliger Kombination von Parameterwerten Latin-Hypercube-Methode Monte Carlo Prozedur um eine statistisch repräsentatives Ergebnis zu erhalten, muss die Durchlaufanzahl hoch sein (min. 500 Parameterkombinationen) Unterteilung in gute (behavioral) und schlechte ( nonbehavioral) Simulationen 6
7 Abb. 4 initiale kumulative Verteilung der Parameterwerte (Beven 2002) Abb. 5 kumulative Verteilung eines sensitiven Parameters (Beven 2002) Abb. 6 kumulative Verteilung eines unsensitiven Parameters (Beven 2002) Vielen Dank für Ihre Aufmerksamkeit 7
8 Literatur Bäse, F (2005). Beurteilung der Parametersensitivität und der Vorhersagesicherheit am Beispiel des hydrologischen Modells J2000, S Beven (2001). Rainfall-Runoff Runoff Modelling : The Primer, Wiley, Chichester. 372 S. Deutsche Zahnärztliche Zeitschrift 56 (2001), Sensitivität und Spezifität: Auswirkung der Wahl des Trennpunktes, Deutscher Ärzte-Verlag, Köln Goetzinger (2007). Distributed Conceptual Hydrological Modelling - Simulation of Climate, Land Use Change Impact and Uncertainty Analysis. Mitteilungen / Institut für Wasserbau, Universität Stuttgart: H. 164, 143 S Wagener et al. (2001). A framework for development and application of hydrological models. Hydrology and Earth System Sciences (Stand: ) 03) (Zugriff: ) 8
Sensitivität in der Statistik
Tillmann Lösche Sensitivität in der Statistik Wahrscheinlichkeit, einen tatsächlich positiven Sachverhalt auch durch ein positives Testergebnis zu erkennen Quelle: Wikipedia auch als Richtig-Positiv-Rate,
MehrEffizienz & Gütekriterien
Prozessmodellierung II Effizienz & Gütekriterien Linda Spazier Matrikel: 93515 Linda.Spazier@uni jena.de 25.05.2009 GEO 241 Modellierung von Systemen 1 Effizienz und Gütekriterien Stellen Übereinstimmungen
MehrDiplomarbeit. Beurteilung der Parametersensitivität und der Vorhersagesicherheit am Beispiel des hydrologischen Modells J2000.
Friedrich-Schiller Universität Jena Geographisches Institut Fachbereich Geoinformatik, Geohydrologie und Modellierung Diplomarbeit mit dem Thema: Beurteilung der Parametersensitivität und der Vorhersagesicherheit
MehrEbM-Splitter 10 Sensitivität und Spezifität: Auswirkung der Wahl des Trennpunktes
Sensitivität und Spezifität: Auswirkung der Wahl des Trennpunktes Seite - 1 - EbM-Splitter 10 Sensitivität und Spezifität: Auswirkung der Wahl des Trennpunktes Im vorigen EbM-Splitter [4] wurde auf die
MehrSensitivität der Modellergebnisse gegenüber der räumlichen Diskretisierung und der Informationsdichte. Helge Bormann
11. Workshop für großskalige hydrologische Modellierung Sensitivität der Modellergebnisse gegenüber der räumlichen Diskretisierung und der Informationsdichte Helge Bormann Universität Oldenburg Institut
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Simulationen Gliederung Grundlagen Aufbau von Simulationen Durchführung von Simulationen
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrEffiziente Sensitivitätsanalyse in der industriellen Produktentwicklung. Vorträge. Thomas Most & Johannes Will
Vorträge Effiziente Sensitivitätsanalyse in der industriellen Produktentwicklung Thomas Most & Johannes Will präsentiert auf der NAFEMS Konferenz 2012 Quelle: www.dynardo.de/de/bibliothek Effiziente Sensitivitätsanalyse
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrUniversitätsprofessor Dr. rer. nat. habil. Karl-Ernst Biebler und Dr. rer. nat. Bernd Jäger
Die Reihe Biometrie und Medizinische Informatik Greifswalder Seminarberichte wird herausgegeben von: Universitätsprofessor Dr. rer. nat. habil. Karl-Ernst Biebler und Dr. rer. nat. Bernd Jäger Institut
MehrThe ROC curve in screening with multiple markers: An application to the triple test in prenatal diagnostics
Statistische Methoden in Evidenz-basierter Medizin und Health Technology Assessment 20. bis 21. November 2003 Freiburg The ROC curve in screening with multiple markers: An application to the triple test
MehrDie Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski
Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation Jens Schiborowski Gliederung Einführung Monte-Carlo-Simulation Definition von Monte-Carlo-Simulation Einsatzgebiete von Monte-Carlo-Simulation
MehrSensitivität der Modellergebnisse gegenüber unsicheren Eingangsdaten
Sensitivität der Modellergebnisse gegenüber unsicheren Eingangsdaten N. *,, A. van Griensven *CAU Kiel 1 Ursachen für Unsicherheit in den Eingangsdaten 2 Reale Werte Im Raum/Zeitkontinuum Forcing Inputs
MehrDie Maximum-Likelihood-Methode
Vorlesung: Computergestützte Datenauswertung Die Maximum-Likelihood-Methode Günter Quast Fakultät für Physik Institut für Experimentelle Kernphysik SS '17 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2008 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit............................
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
MehrDiagnostik aus gesundheitsökonomischer Perspektive am Beispiel accp-antikörper
Diagnostik aus gesundheitsökonomischer Perspektive am Beispiel accp-antikörper 6. Immundiagnostisches Meeting Dresden, 07.-11. Oktober 2008 A. Konnopka, H.-H. König Abteilung für Gesundheitsökonomie, Klinik
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrKarst-Einzugsgebiete, Trinkwasser, Klimawandel. Markus Weiler Andreas Hartmann
Karst-Einzugsgebiete, Trinkwasser, Klimawandel Markus Weiler Andreas Hartmann Karst in Europa Map of carbonate rock outcrops in Europe (Williams and Ford, 2006, modified) and (b) expected mean change of
MehrPopulationspharmakokinetik, Allometrie und Skalierung von Modellparametern. Tillmann Utesch, Axel Rack, U. K., Max von Kleist
Populationspharmakokinetik, Allometrie und Skalierung von Modellparametern Tillmann Utesch, Axel Rack, U. K., Max von Kleist Übersicht Einleitung Allometrie (Populations-)Pharmakokinetik Zusammenfassung
MehrWIE SICHER IST DIE DIAGNOSE?
WIE SICHER IST DIE DIAGNOSE? ÜBER DEN UMGANG MIT UNSICHERHEIT IN DER MEDIZIN Mag. Andrea Fried Bundesgeschäftsführerin ARGE Selbsthilfe Österreich 2.10.2014 1 2.10.2014 2 Der Fluch der Statistik Medizinische
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Mehr2. Übung Diagnostik. Ein erfundenes Beispiel (H.P.Beck-Bornholt und H.-H.Dubben)
Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 2. Übung Diagnostik Universität Leipzig
MehrWindenergie an Land. Heinz-Theo Mengelkamp. anemos Gesellschaft für Umweltmeteorologie mbh
Windenergie an Land Erarbeitung einer Roadmap zur Erstellung eines Windatlanten Heinz-Theo Mengelkamp anemos Gesellschaft für Umweltmeteorologie mbh Fraunhofer-Institut für Windenergie und Energiesystemtechnik
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 7. n (Konvergenz, LLN, CLT) Literatur Kapitel 7 n heisst für uns n gross * Statistik in Cartoons: Kapitel 5, Seite 114 in Kapitel 6 * Stahel:
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrSzenarien und Modelle (Ziel 3c) Prof. Dr. Katrin Böhning-Gaese
Szenarien und Modelle (Ziel 3c) Prof. Dr. Katrin Böhning-Gaese Biodiversität und Klima Forschungszentrum Frankfurt Goethe Universität Frankfurt Biodiversität Treibende Faktoren State of biodiversity Monitoring,
MehrKosteneffektivität der HIV- Präexpositionsprophylaxe in Deutschland
Kosteneffektivität der HIV- Präexpositionsprophylaxe in Deutschland David van de Vijver 1, Ann-Kathrin Weschenfelder 2, Charles Boucher 1, Barbara Gunsenheimer-Bartmeyer 3, Christian Kollan 3, Brooke Nichols
MehrInterdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
MehrRechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse
Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse Karlsruher Institut für Technologie Ulrich Husemann Institut für Experimentelle Kernphysik, Karlsruher Institut für Technologie
MehrDie Berücksichtigung hierarchischer Datenstruktur in quantitativen Untersuchungen
Die Berücksichtigung hierarchischer Datenstruktur in quantitativen Untersuchungen Andreas Hartinger Kurzpräsentation im Rahmen des Doktorandenkolloquiums Regensburg, 15. Februar 2016 Agenda 1. Wo liegt
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
MehrBerechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse
Berechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse DANIEL VARGA REFERAT 43 - HYDROLOGIE, HOCHWASSERVORHERSAGE Operationeller Betrieb an der HVZ BW Vorhersagen
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
MehrBewertung von biometrischen Risiken in der bav
Bewertung von biometrischen Risiken in der bav Ralf Knobloch Fachhochschule Köln Gliederung 1. Biometrische Risiken in der bav 2. Das Modell 3. Risikomaße 4. Einfaches Beispiel 5. Schlussbemerkungen 2
MehrFinite Elemente Berechnungen verklebter Strukturen
Finite Elemente Berechnungen verklebter Strukturen Dr. Pierre Jousset, Sika Technology AG 24.4.213 1 Sika Technology AG Agenda Motivation und Ziele Die strukturellen Epoxy Klebstoffe SikaPower Finite Element
MehrStatistik II. Statistik II, WS 2000, Seite 1 von 6
Statistik II, WS 2000, Seite 1 von 6 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrStatistische Nachweisführung für KMV-Störfälle unter Verwendung von Best-Estimate Plus Uncertainty (BEPU)-Analysen. Simone Palazzo, GRS Garching
Statistische Nachweisführung für KMV-Störfälle unter Verwendung von Best-Estimate Plus Uncertainty (BEPU)-Analysen Simone Palazzo, GRS Garching Inhalt Historischer Überblick Vorgehensweisen zur Durchführung
MehrMonte-Carlo-Methode. mit Pseudo- und Quasizufallszahlen
Gott würfelt nicht Monte-Carlo-Methode mit Pseudo- und Quasizufallszahlen Inhaltsverzeichnis Pseudo- und Quasizufallszahlen Monte-Carlo- Monte-Carlo- Monte-Carlo-Methode Bekannt nach Stadt Monte Carlo
MehrVersuch der Synthese der Niederschlag- Abflussmodellierung und Hochwasserstatistik
Versuch der Synthese der Niederschlag- Abflussmodellierung und Hochwasserstatistik (HOWATI Hochwasser Tirol) Magdalena Rogger Institut für Wasserbau und Ingenieurhydrologie Technische Universität Wien
MehrVom klassischen Spielerruinproblem zu Spiele- Strategien
Vom klassischen Spielerruinproblem zu Spiele- Strategien Univ. Doz. Dr. Stefan Wegenkittl Fachhochschule Salzburg, Studiengang Telekommunikationstechnik und systeme Stefan.Wegenkittl@fh-sbg.ac.at Idee:
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrPocket Cards (Winning Probabilities) 6.1 Anzahl der Kombinationen Monte Carlo Simulation Ergebnisse 6
6 6.1 Anzahl der Kombinationen 6. Monte Carlo Simulation 3 6.3 Ergebnisse 6 in case you do not speak German ignore the description and jump to the preflop win probability tables in chapter 6.3 Poker Trainer
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
Mehrbav Risikomanagement in der betrieblichen Altersversorgung FaRis & DAV Symposium, Köln, 14. Juni 2013
Risikomanagement in der betrieblichen Altersversorgung FaRis & DAV Symposium, Köln, 14. Juni 2013 3. Bewertung von biometrischen Risiken in der bav Fachhochschule Köln, Schmalenbach Institut für Wirtschaftswissenschaften
MehrWISSENSCHAFTLICHE BEITRÄGE
WISSENSCHAFTLICHE BEITRÄGE AUS DEM TECTUM VERLAG Reihe Wirtschaftswissenschaften Band 39 Ralph Wirth Best-Worst Choice-Based Conjoint-Analyse Eine neue Variante der wahlbasierten Conjoint-Analyse Tectum
MehrDesign of Experiment geschickte Variantenauswahl im vieldimensionalen Designraum
Design of Experiment geschickte Variantenauswahl im vieldimensionalen Designraum Martin Weilenmann Prozess 1 Problemstellung Prozess Beispiel 1, beste Einstellung suchen: Zersägen eines Baumstamms Eingänge:
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrTäuschung und Manipulation mit Zahlen
58. Ärztekongress Berlin/Charité 4.11.2010 Täuschung und Manipulation mit Zahlen Kleines Statistikseminar zum kritischen Umgang mit Zahlen Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus
MehrLARSIM-Anwendertreffen 2014
LARSIM-Anwendertreffen 214 Alternative statistische Maßzahlen zur Modellbewertung Definition und erste Ergebnisse Ingo Haag HYDRON Ingenieurgesellschaft für Umwelt und Wasserwirtschaft mbh Norbert Demuth
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
MehrWorkshop Wasserwirtschaftliche Modellierung in GLOWA-Elbe II in Berlin. WBalMo Elbe. Einbindung von Niedermooren in WBalMo Elbe
GLOWA-ELBE II Workshop Wasserwirtschaftliche Modellierung in GLOWA-Elbe II 14.12.2004 in Berlin GLOWA-ELBE II WBalMo Elbe Einbindung von Niedermooren in WBalMo Elbe Dr. Ottfried Dietrich, Dipl.-Ing. Susanne
MehrSchätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
MehrUrsachen gefühlter Risiken
Ursachen gefühlter Risiken Gerd Gigerenzer Max-Planck-Institut für Bildungsforschung Berlin Der Weg zu einer Gesellschaft, die mit Risiken entspannt umgehen kann Problem 1: Menschen verstehen statistische
MehrDFG Schwerpunktprogramm 1103: Berichtskolloquium am 29. und 30. April 2004 an der TU Braunschweig
DFG Schwerpunktprogramm 1103: Berichtskolloquium am 29. und 30. April 2004 an der TU Braunschweig Arbeitsgruppe Verteilte Produktmodelle : Ziele, Arbeitsschwerpunkte, Ergebnisse Berthold Firmenich 1 Die
MehrDo triangles play tricks? Attribution of mental states to animated shapes in normal and abnormal development. Abell, Happé, & Frith (2000)
Do triangles play tricks? Attribution of mental states to animated shapes in normal and abnormal development. Abell, Happé, & Frith (2000) 12. Dezember 2012 Theory of Mind bei Autismus 2 Theoretischer
MehrBiometrie im neuen Antragsverfahren
8. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte und Behördenvertreter Warum biometrische Planung? Einfachste Antwort: Weil es im Genehmigungsantrag so vorgesehen ist. 2 Warum biometrische
MehrStand zum Projekt OPTIHERB
Stand zum Projekt OPTIHERB II Modell für eine schlagspezifische Entscheidungshilfe zur Herbizidaufwandmengebestimmung DPG Arbeitskreis Herbologie 24. 25.02.2015 Bingen am Rhein Paolo Racca, Petra Harig,
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrKapitel XI - Operationscharakteristik und Gütefunktion
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo
MehrTäuschung und Manipulation mit Zahlen Teil 1
Täuschung und Manipulation mit Zahlen Teil 1 Kleines Statistikseminar zum kritischen Umgang mit Zahlen 23.3.2011 Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus Berlin Folien: Mammographie-Screening.de
MehrVersagen und Konsequenzen des Versagens von Küstenschutzbauwerken in Mecklenburg-Vorpommern. M.Sc. Angelika Gruhn Prof. Dr.-Ing.
Versagen und Konsequenzen des Versagens von Küstenschutzbauwerken in Mecklenburg-Vorpommern 19. KFKI-Seminar zur Küstenforschung M.Sc. Angelika Gruhn Prof. Dr.-Ing. Peter Fröhle 11. November 2014 17.11.2014
MehrBerichte aus der Statistik. Christian Köck. Multivariate Copula-Modelle für Finanzmarktdaten
Berichte aus der Statistik Christian Köck Multivariate Copula-Modelle für Finanzmarktdaten Eine simulative und empirische Untersuchung D 29 (Diss. Universität Erlangen-Nurnberg) Shaker Verlag Aachen 2008
MehrDr.-Ing. J. Dietrich Tel: +49 (0) Fax: +49 (0) Web:
Institut für, Hydrologie und landwirtschaftlichen Wasserbau Prof. Dr.-Ing. U. Haberlandt (GL) Appelstr. 9A, 30167 Hannover Dr.-Ing. J. Dietrich Tel: +49 (0)511 762 2237 Fax: +49 (0)511 762 3731 E-Mail:
MehrAnwendung von Multi-Level Moderation in Worst Performance Analysen
Anwendung von Multi-Level Moderation in Worst Performance Analysen Präsentation auf der FGME 2015 - Jena Gidon T. Frischkorn, Anna-Lena Schubert, Andreas B. Neubauer & Dirk Hagemann 16. September 2015
MehrAnalyse der EOP-Zeitreihen aus Daten des ITRF2008
Mathis Bloßfeld, Manuela Seitz, Detlef Angermann Deutsches Geodätisches Forschungsinstitut Geodätische Woche 2009 Forschungsarbeiten im Rahmen der Forschergruppe Erdrotation und globale dynamische Prozesse
MehrGesundheitsökonomische Überlegungen zu [123I]FP-CIT SPECT und Mb. Parkinson
2. Steyrer Adventmeeting Nuklearmedizin 2008 Gesundheitsökonomische Überlegungen zu [123I]FP-CIT SPECT und Mb. Parkinson Susanne Asenbaum-Nan Univ.Prof., DDr., MSc Kl. für Neurologie, Kl. für Nuklearmedizin
MehrSchätzung von Parametern
Schätzung von Parametern Schätzung von Parametern Quantitative Wissenschaft: Messung von Parametern Gemessene Werte weichen durch (statistische und systematische) Messfehler vom wahren Wert des Parameters
MehrFür die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A)
3. Bedingte Wahrscheinlichkeit ================================================================== 3.1 Vierfeldertafel und Baumdiagramm Sind A und B zwei Ereignisse, dann nennt man das Schema B B A A P
MehrUncertainty assessment of water flow and nutrient Loads under future Climate Change Conditions (UnLoadC³)
Uncertainty assessment of water flow and nutrient Loads under future Change Conditions (UnLoadC³) Karsten Schulz 1, Christoph Schürz 1, Bano Mehdi 1, Thomas Ertl 2, Alexander Pressl 2, Christoph Matulla
MehrUnsicherheits- und Sensitivitätsanalyse im Rahmen einer integrierten Risikoanalyse
Unsicherheits- und Sensitivitätsanalyse im Rahmen einer integrierten Risikoanalyse Zwischenbericht Aktivität 4.5 Sönke Dangendorf, Andreas Burzel, Thomas Wahl, Christoph Mudersbach, Jürgen Jensen, Hocine
MehrMittwoch. GEO 113 Fernerkundung und Geographische Informationswi ssenschaften MAT 182. Analysis für Naturwissenschaften GEO 113.
HS2017 1. Semester GEO 110 Schweiz 2040 GEO 110 Uebung zur Schweiz 2040 Gr.1, 2, 3 und Geographische Informationswi ssenschaften GEO 112 Humangeograp hie Gr. 1-3, Gr. 4 GEO 112 Gr. 4-6 für für GEO 112
MehrCreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim
CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung
MehrBeispielberechnung Vertrauensintervall
Beispielberechnung Vertrauensintervall Auszug Kursunterlagen MAS ZFH in Berufs-, Studien- und Laufbahnberatung Prof. Dr. Marc Schreiber, Dezember 2016 Beispielberechnung Vertrauensintervall Statistische
MehrTitelmaster. Katharina Franz, Maike Schumacher, Jürgen Kusche
Titelmaster Entwicklung von Fehlermodellen für Klimadaten am Beispiel von Niederschlag für die Assimilation von Schwerefelddaten in hydrologische Modelle, Maike Schumacher, Jürgen Kusche Institut für Geodäsie
MehrLioba Markl-Hummel (Autor) Multikriterielle Entscheidungsunterstützung für kommunale Klimaschutzmaßnahmen
Lioba Markl-Hummel (Autor) Multikriterielle Entscheidungsunterstützung für kommunale Klimaschutzmaßnahmen https://cuvillier.de/de/shop/publications/6257 Copyright: Cuvillier Verlag, Inhaberin Annette Jentzsch-Cuvillier,
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2003 Aufgabe 1: Welche der unten angegebenen
MehrAussagekraft von Anamnese, körperlicher Untersuchung und EKG in der Diagnostik der KHK. Eine systematische Übersichtsarbeit.
Aussagekraft von Anamnese, körperlicher Untersuchung und EKG in der Diagnostik der KHK. Eine systematische Übersichtsarbeit. Andreas C. Sönnichsen 1, Christian Wilimzig 1, Jürgen Griego 1, Justine Rochon
MehrRentenportfolios. Frank Weber AXA Winterthur. Copyright 2009, SAS Institute Inc. All rights reserved.
Frank Weber AXA Winterthur Agenda Umfeld Rentenportfolios Risikofaktoren Risikoanalyse und Quantifizierung Simulationstool Anwendung Risk Dimension Umfeld 3-Säulen-System in der Schweiz Säule I AHV / IV
MehrSCRIPTUM HIGH PRECISE
Nur für Forschungszwecke Datenblatt Artikel BS.50.020 = 20 Reaktionen x 50 µl Artikel BS.50.100 = 100 Reaktionen x 50 µl Artikel BS.50. 500 = 500 Reaktionen x 50 µl Haltbarkeit: 12 Monate Lagerung bei
MehrQUANTITATIVE VS QUALITATIVE STUDIEN
1 QUANTITATIVE VS QUALITATIVE STUDIEN Q UA N T I TAT I V E ST U D I E (lat. quantitas: Größe, Menge) Q UA L I TAT I V E ST U D I E (lat.: qualitas = Beschaffenheit, Merkmal, Eigenschaft, Zustand) 2 QUANTITATIVES
MehrJahrestagung refonet Methodenseminar Fehlerquellen in Studien Bias und Confounding
Jahrestagung refonet Methodenseminar Fehlerquellen in Studien Bias und Confounding Dr. med. Barbara Hoffmann, MPH Claudia Pieper Was kommt Zufällige Fehler Systematische Fehler Selection bias Measurement
MehrInternationale WasserforschungsAllianz Sachsen IWAS Q1 Szenarien- und Systemanalyse Statusbericht 06.12.2012 Magdeburg
Internationale WasserforschungsAllianz Sachsen 0 IWAS Q1 Szenarien- und Systemanalyse Statusbericht 06.12.2012 Magdeburg Gefördert vom IWAS@AGU Greetings from the Annual Fall Meeting of the American Geophysical
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrQualitätsprüfungen der Indikationsstellung in der vertragsärztlichen Versorgung
Qualitätsprüfungen der Indikationsstellung in der vertragsärztlichen Versorgung Per Zufall oder nach Auffälligkeiten? 8. Qualitätssicherungskonferenz des G-BA 28. September 2016 Dr. Horst Schuster, GKV-SV
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrKapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung Induktive Statistik Prof. Dr. W.-D.
MehrBeispielberechnung Vertrauensintervalle
Beispielberechnung Vertrauensintervalle Auszug Kursunterlagen MAS Berufs-, Studien- und Laufbahnberatung Juni 2015 Prof. Dr. Marc Schreiber Beispielberechnung Vertrauensintervalle Vorbereitung - Statistische
MehrW-Statistik-Klausur
W-Statistik-Klausur 06.07.06 Aufgabe Auf einem Flughafen kann die Wartezeit zwischen zwei Anschlussflügen als normalverteilt mit dem Erwartungswert 0 Minuten und der Standardabweichung 60 Minuten angesehen
MehrQualität der Gesundheitsinformation für Bürger und Patienten. Gerd Gigerenzer. Max-Planck-Institut für Bildungsforschung Berlin
Qualität der Gesundheitsinformation für Bürger und Patienten Gerd Gigerenzer Max-Planck-Institut für Bildungsforschung Berlin Der unmündige Patient - Früherkennung - Problem: Patienten welche informierte
MehrModellbildung und Simulation
Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:
MehrEpidemiologie und HIV-Tests
26. November 2009 Cornelias HIV-Test Das ist Cornelia. Cornelia möchte Plasmaspenderin werden. Dafür braucht sie einen negativen Befund eines HIV-Tests. Deshalb geht sie ins Krankenhaus. Cornelias HIV-Test
MehrStatistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
Mehr