Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
|
|
- Johann Neumann
- vor 8 Jahren
- Abrufe
Transkript
1 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X = 1 2 -Quantil q 0,5: Ws(X q 0,5 ) = 1 2 (wenn X Dichte hat) Schätzer (vgl. Kapitel 1): Stichprobenmittel X N Stichprobenmedian X N Wenn X symmetrische Dichte hat, gilt: EX = q 0,5 Wenn X rechtsschiefe Dichte hat, gilt: EX q 0,5
2 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.2 Wenn X 1,..., X N u.i.v. normal- oder uniform-verteilt X N X N lognormal-, Weibull- oder speziell Exponential-verteilt X N X N
3 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.3 Genauer: X 1,..., X N u.i.v. Exp(λ)-verteilt EX = 1 λ, Ws(X q 0,5) = 1 e λq 0,5 = 1 2 q 0,5 = ln 2 λ = 0, 693 EX X N 0, 693 X N Skalenparameter (s(x + a) = s(x), s(c X) = c s(x), c > 0): Standardabweichung σ(x) = var X Quartilenabstand Q(X) = q 0,75 q 0,25 Schätzer (vgl. Kapitel 1): Stichprobenstandardabweichung s N Stichprobenviertelweite d v N
4 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.4 Quartile q 0,25, q 0,75 von N (µ, σ 2 ) : µ ± 0, 675 σ, da z.b. Ws(X µ+0, 675 σ) = Ws ( µ+σz µ+0, 675 σ ) = Ws(Z 0, 675) = 0, 75 mit standardnormalverteiltem Z. Quartilenabstand von N (µ, σ 2 ) : Q(X) = 1, 35 σ Für normalverteilte Daten gilt daher: d v N 1, 35 s N Exponentialverteilung: s 2 N var X = 1 λ 2 X2 N Poissonverteilung: s 2 N var X = λ X N
5 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.5 Anwendung I: Viertelweite, Ausreißer und 3 σ-regel Für N (µ, σ 2 )-verteiltes X: Quartile µ ± 0, 675 σ, Quartilenabstand Q(X) = 1, 35 σ Kapitel 1 (Boxplot): Ausreißer = Messwert, der um mehr als das 1,5 fache der Stichprobenviertelweite d v N unterhalb (oberhalb) des unteren (oberen) Viertelwerts liegt. Ws(X µ + 0, 675 σ + 1, 5 1, 35 σ) = 1 Ws(X µ + 2, 7 σ) = 1 Φ(2, 7) = 0, 0035 Ws( Ausreißer ) = 0, 007 sehr selten (7 von Tausend)
6 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.6 Qualitätskontrolle: 3 σ-regel Ws(X µ + 3 σ) = 0, 0013, Ws( X µ 3 σ) = 0, 0026 Variabilität der Produktqualität ( σ) nur so groß, dass maximal 2,6 von Tausend nicht den Ansprüchen genügen. Nicht ausreichend für Luftfahrt, Medikamentenproduktion,... Six Sigma als Firmenphilosophie im Produkt- und Prozessentwicklungsbereich (Motorola, in großem Maßstab dann bei GE) Heute: Weltweit bei zahlreichen Großunternehmen, auch im Dienstleistungssektor Von Zulieferern wird Nachweis der Six-Sigma-Qualität in den Produktionsprozessen verlangt.
7 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.7 Ws( X µ 6 σ) = 0, 00034% Anforderung: nur 3,4 von 1 Million Produkte ungenügend De facto ausschussfreie Produktion als Ziel Dazu kommen bei Produkt- und Prozessentwicklung strukturierte DMAIC-Prozesse (Define - Measure - Analyze - Improve - Control) und Prozessmanagement-Techniken zum Einsatz (Design for Six Sigma, DFSS) Statistische Toolbox: Histogramm, Paretodiagramm,... Statistische Versuchsplanung (Design of Experiments), Regressionsanalyse, Multivariate Analyse, statistische Testverfahren (F- Test, ANOVA), Wahrscheinlichkeitsnetz (Normal Plot)
8 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.8 Wahrscheinlichkeitsnetz oder Normal (probability) Plot: 1) Ordne Daten: X 1,..., X N X (1) X (2)... X (N) 2) Plotte Quantile Φ 1 ( j N ) gegen X (j), j = 1,..., N Wenn X 1,..., X N u.i.v. N (µ, σ 2 )-verteilt: Normal Plot ungefähr Gerade Wenn Daten mehr extreme Werte enthalten als normalverteilte: Normal Plot ungefähr -förmig Wenn Daten rechtsschief sind: Normal Plot gekrümmt mit nach rechts abnehmender Steigung
9 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.9
10 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.10
11 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.11
12 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.12
13 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.13
14 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.14 Probability Plots (Wahrscheinlichkeitsnetze, Wahrscheinlichkeitspapier) auch für andere Verteilungen mit Verteilungsfunktion F : Plotte Quantile F 1 ( j N ) gegen X (j), j = 1,..., N Wenn X 1,..., X N u.i.v. mit (bis auf Verschiebung und Skalierung) Verteilungsfunktion F (Beispiel Exp): Probability Plot ungefähr Gerade
15 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.15 Versuchsplanung: Modell: Regressionsgerade Y j = b 0 + b 1 x j + e j, j = 1,..., N. Mittel für N Experimente vorhanden - wie kann man x 1,..., x N so wählen, dass die Daten möglichst informativ sind? Hier: a) b 0, b 1 möglichst genau schätzen b) Gültigkeit des Modells überprüfbar ANOVA oder Varianzanalyse : Additives 2-Faktor-Modell: 2 Faktoren x, u, Daten Y x,u,j sind unabhängig, normalverteilt mit EY x,u,j = µ + α x + β u, j = 1,..., n, x = 1,..., m x, u = 1,..., m u Balanciertes Design - alle Teilstichproben haben denselben Umfang n. Teste, ob Faktor Mittelwert beeinflusst: H 0 : α 1 =... = α mx = 0 oder H 0 : β 1 =... = β mu = 0
16 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.16 Unabhängigkeit von Zufallsvariablen X, Y unabhängig, wenn Ws(X A und Y B) = Ws(X A) Ws(Y B) für alle A, B Falls Dichten: p(x, y) = p x (x) p y (y) für alle x, y X, Y gemeinsam normalverteilt unabhängig unkorreliert, d.h. ρ = corr(x, Y ) = 0 Alternative: X, Y unabhängig, wenn Kenntnis von X die Einschätzung, welche Werte von Y besonders wahrscheinlich sind, nicht ändert bedingte Wahrscheinlichkeit und bedingter Erwartungswert
17 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.17 Hat das Ereignis {X A} positive Wahrscheinlichkeit, ist die bedingte Wahrscheinlichkeit für {Y B} gegeben {X A} Ws ( Y B X A ) = X, Y unabhängig, wenn Ws ( Y B X A ) = Ws(Y B) Ws(X A und Y B) Ws(X A) für alle A, B Die bedingte Wahrscheinlichkeit kann auch für Ws(X A) = 0 definiert werden. Haben X, Y zum Beispiel eine gemeinsame Dichte p(x, y), so ist die bedingte Dichte von Y gegeben X = x p(y x) = p(x, y) p x (x) und Ws ( Y B X = x ) = B p(y x)dy bedingter Erwartungswert E { Y X = x} = y p(y x)dy = beste Vorhersage für Y, wenn X = x bekannt ist.
18 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.19 Operationscharakteristik = Annahmewahrscheinlichkeit für n = 30 und n = 60, M = 0, 05N (+) bzw. M = 0, 01N (*)
19 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.20 Anwendung: Zweistufige Abnahmekontrolle Kontrollschema (X i = Ánzahl defekter in i. Stichprobe): 1) Ziehe 1. Stichprobe vom Umfang n 1 = 30 X 1 = 0 akzeptiere Lieferung X 1 = 1 ziehe 2. Stichprobe X 1 > 1 lehne Lieferung ab 2) Ziehe 2. Stichprobe vom Umfang n 2 = 60 X 2 c akzeptiere Lieferung X 2 > c lehne Lieferung ab OC M,N (c) = Ws( Lieferung wird angenommen) =? OC M,N (c) = Ws ( X 1 = 0 ) + Ws ( X 1 = 1, X 2 c ) = Ws ( X 1 = 0 ) + Ws ( X 2 c X 1 = 1 ) Ws ( X 1 = 1 )
20 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.21 OC M,N (c) = Ws ( X 1 = 0 ) + Ws ( X 2 c X 1 = 1 ) Ws ( X 1 = 1 ) X 1 ist H(n 1, M, N)-verteilt Ws ( X 1 = k ) = ( M k )( ) N M n 1 k ( N n 1 ), k = 0, 1 Wenn X 1 = 1, dann ist X 2 H(n 2, M 1, N n 1 )-verteilt Ws ( X 2 = k Ws ( X 2 c X 1 = 1 ) = X 1 = 1 ) = ( )( ) M 1 N n1 (M 1) k n 2 k ( N n1 c k=0 n 2 ), k = 0, 1,... Ws ( X 2 = k X 1 = 1 )
21 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.22 Kontingenztafeln und Unabhängigkeitstest (Skript 5.7) Zwei Merkmale mit je endlich vielen Werten a 1,..., a m bzw. b 1,..., b n. Setze X = k, wenn 1. Merkmal = a k Y = l, wenn 2. Merkmal = b l X, Y abhängig? Daten: (X 1, Y 1 ),..., (X N, Y N ) Modell: (X j, Y j ), j = 1,..., N, u.i.v. mit Werten in {(k, l), k = 1,..., m, l = 1,..., n}, Wahrscheinlichkeitsgewichte p kl = Ws ( X j = k, Y j = l ), k = 1,..., m, l = 1,..., n.
22 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.23 p kl = Ws ( X j = k, Y j = l ), k = 1,..., m, l = 1,..., n. Notation: p k = p k p kn, p l = p 1l p ml p k = Ws(X j = k), p l = Ws(Y j = l) Unabhängigkeit heißt: Für alle k, l p kl = Ws(X j = k, Y j = l) = Ws(X j = k) Ws(Y j = l) = p k p l. Für Datenanalyse reicht (wegen u.i.v.-annahme): Z kl = Anzahl der (X j, Y j ) mit X j = k und Y j = l Z kl, 1 k m, 1 l n als Tabelle mit m Zeilen und n Spalten (m n)-kontingenztafel.
23 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.24 Beispiel: X = Beurteilung der Leistung im Beruf nach 2 Jahren {1, 2, 3} Y = Studienabschlussnote {1, 2, 3} N = 400 Mitarbeiter Studium Zeilensummen Beruf Spaltensummen
24 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.25 Z l = Anzahl der j mit Y j = l, Z k = Anzahl der j mit X j = k. N = m n k=1 l=1 (m n)-kontingenztafel Z kl = m k=1 Z k = n Z l l=1 Y j n Zeilensummen 1 Z 11 Z Z 1n Z 1 X j 2. Z 21. Z Z 2n. Z 2. m Z m1 Z m2... Z mn Z m Spaltensummen Z 1 Z 2... Z n N Unter dem Modell ist Z = (Z 11, Z 12,..., Z mn ) multinomial verteilt mit Parameter (N, p 11, p 12,..., p mn ).
25 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.26 Unter der Hypothese H 0 : X j, Y j unabhängig, d.h. p kl = p k p l = p 0 kl, haben die Klassenwahrscheinlichkeiten eine bestimmte Form, die aber von unbekannten Größen abhängt Chi-Quadrat-Anpassungstest mit geschätzten Parametern p 0 kl. Schätzer für p kl, da Z kl B(N, p kl )-verteilt: ˆp kl = Z kl N Schätzer für p k, p l, da z.b. Z k B(N, p k )-verteilt ist mit p k = Ws(X j = k): ˆp k = Z k N, ˆp l = Z l N, ˆp0 kl = ˆp k ˆp l Intuition: Akzeptiere H 0, wenn ˆp kl ˆp 0 kl = ˆp k ˆp l für alle k = 1,..., m, l = 1,..., n
26 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.27 Chi-Quadrat-Statistik D = m n k=1 l=1 (Z kl N ˆp 0 kl )2 N ˆp 0 kl = m n k=1 l=1 (Z kl N 1 Z k Z l ) 2 1 N Z. k Z l Wenn H 0 wahr ist und N groß genug (Faustregel mit mn Klassen), ist D ungefähr χ 2 -verteilt, da zur Berechnung von (m 1) (n 1) insgesamt m + n 2 Parameter geschätzt werden müssen. ˆp 0 kl Chi-Quadrat-Unabhängigkeitstest, Niveau α Hypothese Alternative H 0 verwerfen, wenn p kl = p k p l für alle k, l, d.h. X j, Y j abhängig D > χ 2 (m 1) (n 1),1 α X j, Y j unabhängig wobei χ 2 d,β = β-quantil der χ2 d -Verteilung.
27 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.28 Beispiel: H 0 : Leistung im Studium und im Beruf unabhängig. Z kl, Z k (Zeilensumme), Z l (Spaltensumme) direkt aus Kontingenztafel ablesbar, z.b. 1 N Z 1 Z 1 = N Z 1 Z 2 = N Z 3 Z 3 = D = (63 46, 0)2 46, = 46, = 56, = 16, 8 + (49 56, 9)2 56, (23 16, 8)2 16, 8 = 20, 34 Freiheitsgrade (m 1) (n 1) = 2 2 = 4. Für α = 0, 01 ergibt die Tabelle χ 2 4,0,99 = 13, 28 Da D > 13, 28, kann H 0 auf dem 1%-Niveau verworfen werden. Anhand der Daten sind wir ziemlich sicher, dass Leistung in Studium und Beruf etwas miteinander zu tun haben.
28 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.29 Beispiel: Nützt Airbag im PKW? N = 418 schwere Auffahrunfälle - hat der Fahrer überlebt? 2 2-Kontingenztafel mit Airbag ohne Airbag tot überlebt Erwartet unter H 0 N ˆp 0 kl 38,6 86,4 90,4 202,6 α = 1% χ 2 1,0,99 = 6, 64 D = 11, 40 > 6, 64 H 0 verwerfen auf Niveau 1% hilft beim Überleben Airbag
29 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.30 Fallstudie (Daten USA, Mitte 90er Jahre) Wie wählen Firmen der Elektronikindustrie ihre Zulieferer aus? Vergangenheit: im wesentlichen über den Preis. Im Studienzeitraum rückt Qualität in den Vordergrund. Gibt es Unterschiede zwischen kleinen und großen Firmen? 87 kleine und 123 große Firmen mit Jahresumsatz von im Durchschnitt 33 M$ bzw. 583 M$. Frage nach Reihenfolge der Bedeutung verschiedener Kriterien (Qualität, Preis, aktuelle Technik) für die Beschaffung. Gezählt wurde, wie viele Firmen einem Kriterium den 1., 2. oder 3. Rang bei der Beschaffungsentscheidung zuweisen.
30 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.31 Qualität Firmengröße Rang klein groß Preis Firmengröße Rang klein groß aktuelle Technik Firmengröße Rang klein groß m = 3, n = 2 (m 1) (n 1) = 2 Beschaffungsverfahren unabhängig von Firmengröße?
31 Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.32 α = 0, 05, χ 2 2,0,95 = 5, 99 Qualität: D = 0, 991 H 0 akzeptieren Preis: D = 0, 483 H 0 akzeptieren aktuelle Technik: D = 1, 026 H 0 akzeptieren Die Daten liefern keinen Hinweis, dass es Unterschiede zwischen kleinen und großen Firmen gibt.
i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrModul 1 STATISTIK Eine erste Einführung
Kassel Modul 1 STATISTIK Eine erste Einführung 2009 Alphadi - www.alphadi.de Copyright Die Informa@onen in diesem Produkt werden ohne Rücksicht auf einen eventuellen Patentschutz veröffentlicht. Warennamen
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
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
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrLeseprobe. Thomas Konert, Achim Schmidt. Design for Six Sigma umsetzen ISBN: 978-3-446-41230-9. Weitere Informationen oder Bestellungen unter
Leseprobe Thomas Konert, Achim Schmidt Design for Six Sigma umsetzen ISBN: 978-3-446-41230-9 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41230-9 sowie im Buchhandel. Carl
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrAuswertung zur. Hauptklausur Unternehmensbesteuerung. vom 24.02.10. und Ergebnisse der Kundenbefragung
Auswertung zur Hauptklausur Unternehmensbesteuerung vom 24.02.10 Vergleich: Skriptteufel-Absolventen vs. alle Teilnehmer und Ergebnisse der Kundenbefragung In diesem Dokument vergleichen wir die Klausurergebnisse
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrEinige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
MehrVibonoCoaching Brief -No. 18
VibonoCoaching Brief -No. 18 Von Berghütten, Holzöfen und Ernährungsprotokollen. Vibono GmbH 2011-2012, www.vibono.de Falls es mit dem Abnehmen nicht so richtig klappt... Es sind meist ganz einfache Gründe,
MehrEinfache statistische Auswertungen mit dem TI-Nspire
1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrBei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrSitua?onsbeschreibung aus Sicht einer Gemeinde
Ein Bürger- und Gemeindebeteiligungsgesetz für Mecklenburg- Vorpommern aus Sicht der Stadt Loitz in Vorpommern Situa?onsbeschreibung aus Sicht einer Gemeinde verschiedene Windkra.anlagen unterschiedlichen
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrDAVID: und David vom Deutschlandlabor. Wir beantworten Fragen zu Deutschland und den Deutschen.
Das Deutschlandlabor Folge 09: Auto Manuskript Die Deutschen sind bekannt dafür, dass sie ihre Autos lieben. Doch wie sehr lieben sie ihre Autos wirklich, und hat wirklich jeder in Deutschland ein eigenes
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrDie Invaliden-Versicherung ändert sich
Die Invaliden-Versicherung ändert sich 1 Erklärung Die Invaliden-Versicherung ist für invalide Personen. Invalid bedeutet: Eine Person kann einige Sachen nicht machen. Wegen einer Krankheit. Wegen einem
Mehr3. GLIEDERUNG. Aufgabe:
3. GLIEDERUNG Aufgabe: In der Praxis ist es für einen Ausdruck, der nicht alle Detaildaten enthält, häufig notwendig, Zeilen oder Spalten einer Tabelle auszublenden. Auch eine übersichtlichere Darstellung
MehrIBIS Professional. z Dokumentation zur Dublettenprüfung
z Dokumentation zur Dublettenprüfung Die Dublettenprüfung ist ein Zusatzpaket zur IBIS-Shopverwaltung für die Classic Line 3.4 und höher. Dubletten entstehen dadurch, dass viele Kunden beim Bestellvorgang
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
Mehr1 Darstellen von Daten
1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrNaturgewalten & Risikoempfinden
Naturgewalten & Risikoempfinden Eine aktuelle Einschätzung durch die TIROLER Bevölkerung Online-Umfrage Juni 2015 Eckdaten zur Untersuchung - Online-Umfrage von 11.-17. Juni 2015 - Themen... - Einschätzung
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrUnsere Ideen für Bremen!
Wahlprogramm Ganz klar Grün Unsere Ideen für Bremen! In leichter Sprache. Die Partei BÜNDNIS 90/DIE GRÜNEN hat diesen Text geschrieben. BÜNDNIS 90/DIE GRÜNEN Adresse: Schlachte 19/20 28195 Bremen Telefon:
MehrEuropäischer Fonds für Regionale Entwicklung: EFRE im Bundes-Land Brandenburg vom Jahr 2014 bis für das Jahr 2020 in Leichter Sprache
Für Ihre Zukunft! Europäischer Fonds für Regionale Entwicklung: EFRE im Bundes-Land Brandenburg vom Jahr 2014 bis für das Jahr 2020 in Leichter Sprache 1 Europäischer Fonds für Regionale Entwicklung: EFRE
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrDazu gilt Folgendes: : Hier kannst du bis zum 6. Stich problemlos abwerfen und
1 Die wurde erstmals im Essener System erklärt und ist bis heute Standard für das Gegenspiel beim sogenannten Standard-Asssolo (Solist hat eine lange Farbe und Seitenass[e], die er runterzieht die Reststiche
MehrStudieren- Erklärungen und Tipps
Studieren- Erklärungen und Tipps Es gibt Berufe, die man nicht lernen kann, sondern für die man ein Studium machen muss. Das ist zum Beispiel so wenn man Arzt oder Lehrer werden möchte. Hat ihr Kind das
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
MehrÜbungsaufgaben Tilgungsrechnung
1 Zusatzmaterialien zu Finanz- und Wirtschaftsmathematik im Unterricht, Band 1 Übungsaufgaben Tilgungsrechnung Überarbeitungsstand: 1.März 2016 Die grundlegenden Ideen der folgenden Aufgaben beruhen auf
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrInstitut für Computational Engineering ICE. N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t. w w w. n t b.
Institut für Computational Engineering ICE N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t w w w. n t b. c h Rechnen Sie mit uns Foto: ESA Das Institut für Computational Engineering
MehrDAVID: und David vom Deutschlandlabor. Wir beantworten Fragen zu Deutschland und den Deutschen.
Manuskript Die Deutschen sind bekannt dafür, dass sie ihre Autos lieben. Doch wie sehr lieben sie ihre Autos wirklich, und hat wirklich jeder in Deutschland ein eigenes Auto? David und Nina fragen nach.
Mehrsondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit
sondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit liegen, an Bedeutung verlieren. Die Mannschaften haben sich verändert. Spieler
MehrLEAN MANUFACTURING. Teil 7 Lean und Six Sigma. Ein Quick Guide für den schnellen Einstieg in die Möglichkeiten der Lean Philosophie.
2009 LEAN MANUFACTURING Ein Quick Guide für den schnellen Einstieg in die Möglichkeiten der Lean Philosophie Teil 7 Lean und Six Sigma Martin Zander 2 M. Zander Lean Manufacturing Ein Quick Guide für den
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrZufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff
Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer
Mehr