Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung
|
|
- Waldemar Holtzer
- vor 6 Jahren
- Abrufe
Transkript
1 Lehrstuhl für Statstk und emp. Wrtschaftsforschung, Prof. R. T. Rphahn, Ph.D. Bachelorprüfung, Praxs der emprschen Wrtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxs der emprschen Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang Semester Datum Raum Unterschrft Vorbemerkungen: Anzahl der Aufgaben: De Klausur besteht aus 6 Aufgaben, de alle bearbetet werden müssen. Bewertung: Erlaubte Hlfsmttel: Wchtge Hnwese: Es können maxmal 9 Punkte erworben werden. De Punktzahl st für jede Aufgabe n Klammern angegeben. Se entsprcht der für de Aufgabe empfohlenen Bearbetungszet n Mnuten. Formelsammlung (st der Klausur begefügt) Tabellen der statstschen Vertelungen (snd der Klausur begefügt) Taschenrechner Fremdwörterbuch Sollte es vorkommen, dass de statstschen Tabellen, de deser Klausur belegen, den exakten Wert der Frehetsgrade ncht auswesen, machen Se des kenntlch und verwenden Se den nächstgelegenen Wert. Sollte es vorkommen, dass be ener Berechnung ene erforderlche Informaton fehlt, machen Se des kenntlch und treffen Se für den fehlenden Wert ene plausble Annahme. 1/8
2 Lehrstuhl für Statstk und emp. Wrtschaftsforschung, Prof. R. T. Rphahn, Ph.D. Bachelorprüfung, Praxs der emprschen Wrtschaftsforschung Aufgabe 1: [11 Punkte] Se vermuten, dass das Nveau der Wohnungsmeten n Unverstätsstädten unter anderem vom Antel der Studerenden an den Enwohnern abhängt. Ihnen legen Daten für 64 amerkansche Unverstätsstädte vor, mt denen Se folgendes schätzen: rent = β + β1 pctstu + β avgnc rent = durchschnttlch zu zahlende Mete pro Wohnung n US-Dollars pctstu = Antel der Studerenden an den Enwohnern gemessen n Prozent (-1%) avgnc = durchschnttlches Jahresenkommen pro Enwohner n 1 US-Dollars SPSS lefert Ihnen folgenden Output: ANOVA(b) Quadratsu mme df Mttel der Quadrate F Sgnfkanz 1 Regresson 3789, ,199 47,389,(a) Resduen 4347, ,345 Gesamt 6176,43 63 a Enflußvarablen : (Konstante), avgnc, pctstu b Abhängge Varable: rent Koeffzenten(a) Ncht standardserte Koeffzenten Standardsert e Koeffzenten Standardfe B hler Beta T Sgnfkanz 1 (Konstante) 78,64 39,59 1,97,53 pctstu 1,699,68,33,797,7 avgnc 1,567 1,91,811 9,734, a Abhängge Varable: rent a) Interpreteren Se de Größe der Koeffzenten von pctstu und avgnc. ( Punkte) b) Berechnen Se das 95% Konfdenzntervall für den Koeffzenten von avgnc. (3 Punkte) c) Berechnen und nterpreteren Se den R - Wert. ( Punkte) d) We ändern sch jewels ˆ β, se( ˆ β ) und der p-wert von ˆ β, wenn das durchschnttlche Jahresenkommen pro Enwohner n $ statt n 1 $ gemessen wäre? Beenflusst dese Transformaton auch de Schätzgüte des s? (4 Punkte) Aufgabe : [8 Punkte] Se entschleßen sch, de abhängge Varable rent n logarthmerter Form zu verwenden: log( rent) = β + β1 pctstu + β avgnc De Schätzung lefert folgende Ergebnsse: /8
3 Koeffzenten(a) Ncht standardserte Koeffzenten Standardsert e Koeffzenten Standardfe B hler Beta T Sgnfkanz 1 (Konstante) 5,339,85 63,15, pctstu,4,1,7 3,86,3 avgnc,4,3,776 8,86, a Abhängge Varable: log(rent) a) Interpreteren Se erneut de Größe der Koeffzenten von pctstu und avgnc. ( Punkte) b) Testen Se anhand enes t-tests am 5% Sgnfkanznveau, ob der Koeffzent von avgnc sgnfkant größer Null st. Geben Se de Null- und Alternatvhypothese, de Teststatstk, den krtschen Wert der t- Vertelung, de Anzahl der Frehetsgrade sowe de Testentschedung an. (3 Punkte) c) We hoch st laut desem de erwartete Durchschnttsmete n ener Unverstätsstadt n der 3% der Enwohner Studerende snd und das jährlche Durchschnttsenkommen pro Kopf $ beträgt? Hnwes: es glt ˆ σ =, (3 Punkte) Aufgabe 3: [13 Punkte] Se möchten untersuchen, wovon das Rauchverhalten abhängt. Dazu betrachten Se Daten zu 87 Indvduen und schätzen das : cgs = β + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) cgs = Anzahl gerauchter Zgaretten pro Tag educ = Anzahl n Ausbldung verbrachter Jahre male = 1 wenn männlch, = wenn weblch age = Alter n Jahren age = Alter n Jahren quadrert log(ncome) = Logarthmertes Jahresenkommen n US-Dollars SPSS lefert Ihnen folgenden Output: ANOVA(b) Quadratsu mme df Mttel der Quadrate 1 Regresson 68, ,49 Resduen , ,966 Gesamt , a Enflußvarablen : (Konstante), educ, male age, age, log(ncome) b Abhängge Varable: cgs 1 (Konstante) educ male age age log(ncome) a. Abhängge Varable: cgs Koeffzenten a Ncht standardserte Koeffzenten Standardse rte Koeffzenten Standardf B ehler Beta T Sgnfkanz -5,889 6,88 -,86,389 -,516,168 -,115-3,76, -,161 1,455 -,4 -,111,91,78,161,97 4,855, -,9, -1,48-5,,,73,78,38 1,,316 3/8
4 a) Beantworten Se de folgenden Fragen. (3 Punkte) (1) Was versteht man allgemen unter rrelevanten Varablen? () Welche Auswrkungen haben rrelevante Varablen für de Schätzergebnsse? (3) Beurtelen Se anhand der vorlegenden Schätzergebnsse, ob male ene rrelevante Varable st. b) Testen Se auf dem 5% Sgnfkanznveau, ob das von Ihnen geschätzte sgnfkant st. Geben Se an, welchen Test Se durchführen, de Null- und Alternatvhypothese, de Teststatstk, den krtschen Wert sowe de Testentschedung. (4 Punkte) c) Se überlegen, de Varable log(mncome) (logarthmerter Monatsverdenst n US-Dollars) zusätzlch n Ihr aufzunehmen und cgs = β + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) + β 6 log( mncome) zu schätzen. De Regresson log( mncome) = β + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) ergbt enen R 6 -Wert von,99. Sollten Se de Varable log(mncome) n Ihr aufnehmen? Begründen Se. ( Punkte) d) Welche dre Faktoren beenflussen Var ( ˆ β 6 )? Erwarten Se auf Bass der n c) angegebenen Ergebnsse ene präzse Schätzung von ˆβ 6? Begründen Se Ihre Antwort kurz. (4 Punkte) Aufgabe 4: Ihr Datensatz enthält Informatonen über Basketballspeler. Se schätzen folgendes : pkt = β + β1 erf + β erf pkt = pro Spel durchschnttlch erzelte Punktzahl erf = Lgazugehörgket n Jahren erf = Lgazugehörgket n Jahren, quadrert Se erhalten folgende Ergebnsse mt SPSS: Koeffzenten(a) [18 Punkte] Ncht standardserte Koeffzenten B Standardfehler T Sgnfkanz 1 (Konstante) 6,79,937 6,7, erf 1,34,39 4,77, erf -,78,4-3,4,1 a Abhängge Varable: pkt a) Beantworten Se folgende Fragen: (8 Punkte) (1) We unterschedet sch der margnale Effekt der Lgaerfahrung für Personen mt fünf und zehn Jahren Lgaerfahrung? () Be welchem Wert für de Varable erf st der margnale Effekt der Lgazugehörgket Null? (3) Be welchem Wert für de Varable erf st der margnale Effekt der Lgazugehörgket maxmal? Begründen Se Ihr Ergebns kurz. (4) Fertgen Se ene grobe Skzze des geschätzten Zusammenhangs zwschen den pro Spel erzelten Punkten (y-achse) und Erfahrung (x-achse) an. b) Se haben n Ihrer Regresson ncht für das Alter kontrollert. (5 Punkte) (1) Welche Bezehungen müssen zwschen den varablen und der weggelassen Varable Alter bestehen, damt de Parameter Ihres s trotz Fehlen der Varable Alter mt KQ unverzerrt geschätzt werden können? () We plausbel snd dese Bedngungen? Begründen Se. 4/8
5 c) Welche Annahmen müssen mndestens erfüllt sen, damt de Parameter ener Klenstquadrateschätzung konsstent geschätzt werden können? Geben Se für jede der Annahmen ene kurze verbale Beschrebung. (5 Punkte) Aufgabe 5: [6 Punkte] Wahr oder falsch? Tragen Se für jede der folgenden Aussagen en w für wahr oder en f für falsch en. Für jede rchtge Antwort gbt es,5 Punkte, für jede falsche Antwort werden,5 Punkte abgezogen. De Gesamtpunktzahl kann ncht negatv werden. Das Sgnfkanznveau enes Tests beschrebt de Wahrschenlchket, dass man H verwrft, obwohl H wahr st. De Ablehnungsregon enes t-tests mt der Nullhypothese H : β j = und der Alternatvhypothese H 1 :β j > befndet sch n der graphschen Darstellung der t-vertelung am rechten Ende. Im log-lnearen msst 1 βˆ de prozentuale Änderung von y be Änderung von x 1 1 um ene Enhet. Wenn der margnale Effekt der abhänggen Varablen vom Wert der Ausprägung der Varablen selbst abhängt, dann wurden Interaktonsterme verwendet. Im multplen mplzeren de Annahmen MLR.1 MLR.5, dass der KQ-Schätzer asymptotsch normalvertelt st. Das Gauss-Markov Theorem glt nur für klene Stchproben. Wenn βˆ wegen ausgelassener erklärender Varablen verzerrt geschätzt st, st der Intervallschätzer ene unverzerrte j Alternatve. Es gbt e, de nchtlnear n den Varablen snd und glechzetg lnear n den unbekannten Parametern. Be Regressonen durch den Ursprung hat der Achsenabschnttsparameter den Wert ens. En Regressor st endogen, wenn er mt dem Störterm unkorrelert st. Medanwerte snd wenger von Ausreßern beenflusst als Mttelwerte. Da bem F-Test mehrere lneare Restrktonen getestet werden, hat der p-wert ene andere Bedeutung als bem t-test ener lnearen Restrkton. Ist en Schätzverfahren konsstent, so entsprcht der geschätzte Wert be unendlch großer Stchprobe dem Bevölkerungsparameter. Der p-wert entsprcht dem Sgnfkanznveau enes Tests, be dem de berechnete Teststatstk dem krtschen Wert entsprcht. Der Schätzwert für de Konstante n enem Regressonsmodell st ene Realsaton ener Zufallsvarable. Be mmer größer werdenden Stchproben tendert de Varanz konsstenter Schätzer gegen Null. Je höher das R, desto höher st de Wahrschenlchket, bem F-Test auf Gesamtsgnfkanz enes s H zu verwerfen. Das 95%-Konfdenzntervall st breter als das 99%-Konfdenzntervall. exp(x 1 +x )=exp(x 1 )+exp(x ) Das Enfügen rrelevanter Regressoren n en erhöht de Varanz des Störterms. Dummy-Varablen können zur Bewertung von Poltkmaßnahmen genutzt werden. De Unverzerrthet der KQ-Schätzer für de Stegungsparameter m multplen wrd durch de Annahme Var(u x 1,x,..,x k ) = schergestellt. De KQ-Schätzung enes lnearen s st auch dann möglch, wenn de erklärende Varable n logarthmerter Form vorlegt. Wenn X den Erwartungswert von Y ncht beenflusst, snd X und Y korrelert. De Kovaranz kann nur Werte zwschen -1 und +1 annehmen. Das R kann stegen, wenn ene zusätzlche erklärende Varable berückschtgt wrd. Für dskrete Zufallsvarablen kann kene kumulatve Vertelungsfunkton berechnet werden. Das Weglassen relevanter Varablen führt n der Regel zu ener Unterschätzung der KQ-Parameter der anderen Regressoren. Wenn de Annahme der Normalvertelung der KQ-Schätzer ncht glt, snd Konfdenzntervalle unter den Annahmen MLR1-MLR5 weterhn asymptotsch nterpreterbar. Var(aX+b)=a*Var(X) De Nullhypothese bezeht sch auf den unbekannten Bevölkerungsparameter, ncht auf den geschätzten Wert. 5/8
6 Benutzt man Dummy-Varablen, um de Effekte der ver Jahreszeten zu kontrolleren und berückschtgt ledglch 3 Indkatorvarablen n der spezfkaton, so kann über de ncht berückschtgte Jahreszet kene Aussage getroffen werden. Be Schätzung der Spezfkaton y=β +β 1 x+β x st der margnale Effekt von x auf y ncht konstant. Je größer der berechnete t-wert, desto wahrschenlcher wrd, dass de zugehörge H glt. Im log-lnearen st 1 βˆ als Sem-Elastztät nterpreterbar. 1 De Nullhypothese H : β 1 =β kann mt dem t-test getestet werden. Im mt logarthmerter abhängger Varable dürfen kene Dummy-Varablen als erklärende Varablen verwendet werden. Tests zu Lnearkombnatonen von Parametern können ncht mt dem t-test durchgeführt werden. Wenn X und Y unabhängg vonenander snd, dann st E(X Y)=E(X). En Regressor st exogen, wenn er mt dem Störterm unkorrelert st. Unter omtted varable bas versteht man ene Verzerrung des KQ-Schätzers, de auftreten kann, wenn relevante erklärende Varablen m fehlen. En ensetger t-test auf dem 5% Nveau hat ene größere Ablehnungsregon als en ensetger t-test auf dem 1% Nveau. De F-Vertelung kann nur postve Werte annehmen. Das Konfdenzntervall um präzse geschätzte Parameter st enger als das um Parameter mt großem Standardfehler. En Chow-Test kann n Form enes F-Tests durchgeführt werden. Das Gauss-Markov-Theorem macht ene Aussage zu nchtlnearen Schätzverfahren. Wrd ene logarthmerte abhängge Varable umskalert, ändert sch be Schätzung des es ledglch der Achsenabschntt. F- und t-test können be zwesetgen Tests zum glechen Ergebns kommen. Ist de Stchprobengröße zu klen, so snd de Parameter verzerrt. Im multplen lnearen werden für jeden Regressor separate R -Werte errechnet. De Zählerfrehetsgrade des F-Tests hängen ncht von der Zahl der Beobachtungen ab. Von zwe unverzerrten Schätzern für θ (W und V) st W effzenter, wenn Var(W)<Var(V). Aufgabe 6: [14 Punkte] Welche Antwort st rchtg? Kreuzen Se nur ene Antwort pro Aufgabe an. Falls mehrere Aussagen korrekt snd, kreuzen Se nur de entsprechende Antwortkombnaton an. Für jede rchtge Antwort gbt es 1 Punkt. Für falsche Antworten werden kene Punkte abgezogen. 1. De ceters parbus Annahme m multplen lnearen Regressonsmodell a kann mttels des Lagrange-Multpler Test überprüft werden. b glt für Männer, aber ncht für Frauen. c st ene asymptotsche Egenschaft. d a und b. e a, b und c. f kene der Antworten.. Unverzerrthet der Stegungsparameter m KQ-Verfahren a glt als Egenschaft des Schätzverfahrens nur n großen Stchproben. b glt als Egenschaft des Schätzverfahrens auch be klener Stchprobe. c wrd als fnte sample property bezechnet. d glt unabhängg von der Vertelung der Störterme. e a, b und d. f b, c und d. 6/8
7 3. Be der Auswahl von Regressoren a glt es, over-controllng zu vermeden. b spelt omtted varable bas kene Rolle. c kann es m Snne ener präzseren Schätzung snnvoll sen, ene zusätzlche Varable ns aufzunehmen, de ncht mt den berückschtgten korrelert st. d a und b. e a und c. f a, b und c. 4. De t-vertelung a hat ene Varanz de vom gewählten Sgnfkanznveau abhängt. b west für Mttelwert und Medan den glechen Wert auf. c wrd be nur ener zu testenden Restrkton asymmetrsch. d nähert sch mt stegender Zahl an Frehetsgraden der Normalvertelung an. e b und d. f Alle Antworten snd zutreffend. Be welchen der folgenden e st aufgrund hrer Spezfkaton mndestens ene der Gauss-Markov 5. Annahmen zum lnearen Regressonsmodell verletzt? a log( y ) = β + β log( x) + log( x ) b 1 β log( y ) = β + β1 log( x) + β [log( x)] β1 c y = β + x d y = β + β1x1 + β x e a und c. f a, b und c. 6. En sehr hoher p-wert be enem Test auf statstsche Sgnfkanz a kann auf enen betraglch großen Koeffzenten zurückzuführen sen. b kann auf ene sehr ungenaue Schätzung zurückzuführen sen. c deutet auf en zu nedrges Sgnfkanznveau hn. d deutet auf statstsche Sgnfkanz des Koeffzenten hn. e a und b. f c und d. 7. Im x y y β x und be Gültgket der Annahmen MLR.1 bs MLR.5 wrd β 1 mttels x = 1 a unverzerrt geschätzt, wenn der Populatonsparameter der Regressonskonstante β =. b unverzerrt geschätzt, wenn der Populatonsparameter des Stegungsparameters β 1 =. c unverzerrt geschätzt, wenn x =. d effzent geschätzt, wenn β = e a, c und d. f b und d.. 8. Glt de Normalvertelungsannahme der Störterme ncht, a kann de asymptotsche Gültgket von t- und F-Tests selbst unter zusätzlchen Annahmen ncht aus dem zentralen Grenzwertsatz abgeletet werden. b st der KQ-Schätzer nkonsstent. c st der KQ-Schätzer ncht mehr BLUE, da er an Effzenz enbüßt. d a und c. e a und b. f kene der Antworten. 7/8
8 9. Mttels KQ vorhergesagte Werte a haben m enfachen Regressonsmodell am Mttelwert der Daten enen erwarteten Vorhersagefehler von Null. b haben de klenste Varanz, wenn de abhängge Varable an hrem Mttelwert betrachtet wrd. c snd Zufallsvarablen. d kene der Antworten. e a und c. f b und c. 1. Geht n de Spezfkaton enes s ene Dummy-Varable en, a st das R ncht mehr berechenbar. b fällt de Schätzgüte des s ( R ) ncht. c bewrkt des ene Parallelverschebung der Regressonsgerade m Ausmaß β + β Dummy d msst dese enen Nveauuntersched für zwe Gruppen. e a, b und c. f b und d. 11. Wrd das log(y) = β + β 1 log(x)+u geschätzt, a msst β 1 de absolute Änderung n y be Änderung von x um en Prozent. b msst β 1 de absolute Änderung n y be Änderung von x um enen Prozentpunkt. c msst β 1 de relatve Änderung n y be Änderung von x um enen Prozentpunkt. d msst β 1 de relatve Änderung n y be Änderung von x um en Prozent. e kene der Antworten. f b und d.. Wenn sch der Erwartungswert der Störterme n ener lnearen Regresson je nach Ausprägung der 1. Regressoren unterschedet a sprcht man von Homoskedaste. b müssen de Koeffzenten des s als kausale Effekte nterpretert werden. c snd de geschätzten Parameter unverzerrt, solange de Störterme normalvertelt snd. d muss das mehrmals geschätzt werden. e a und d. f kene der Antworten. 13. De Verwendung von Interaktonstermen zwschen unterschedlchen erklärenden Varablen a st zwngende Voraussetzung für de Durchführung des Chow-Tests. b st nur möglch, wenn de ceters parbus Bedngung erfüllt st. c ermöglcht, für verschedene Gruppen unterschedlche Stegungsparameter zu berechnen. d st nur für Dummy-Varablen snnvoll. e a, b und c. f a und c. 14. Perfekte Multkollneartät a führt zu ener sehr genauen Schätzung der Effekte der kollnearen Regressoren. b führt zu ener sehr ungenauen Schätzung der Effekte der kollnearen Regressoren. c trtt auf, wenn be ener Schätzung mt Dummy Varablen und Konstante kene Referenzkategore gewählt wrd. d trtt auf, wenn de abhängge Varable und mndestens ener der Regressoren n en und derselben Enhet gemessen werden. e b und c. f b, c und d. 8/8
Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung
Lehrstuhl ür Statstk und emp. Wrtschatsorschung, Pro. R. T. Rphahn, Ph.D. Bachelorprüung, Praxs der emprschen Wrtschatsorschung Augabe 1: [11 Punkte] Se vermuten, dass das Nveau der Wohnungsmeten n Unverstätsstädten
MehrBachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.
Lehrstuhl für Statstk und emprsche Wrtschaftsforschung, SS 9 Fach: Prüfer: Bachelorprüfung Praxs der emprschen Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang
MehrBachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.
Lehrstuhl für Statstk und emprsche rtschaftsforschung, SS 009 ach: Prüfer: Bachelorprüfung Praxs der emprschen rtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
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
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
MehrEmpirische Wirtschaftsforschung
Emprsche Wrtschaftsforschung Prof. Dr. Bernd Süßmuth Unverstät Lepzg Insttut für Emprsche Wrtschaftsforschung Volkswrtschaftslehre, nsbesondere Ökonometre 5. Enfaches OLS-Regressonsmodell 5.1. Herletung
MehrDiplomprüfung im Fach Ökonometrie im SS 06 - Aufgabenteil
Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Dplomprüfung m Fach Ökonometre m SS 06 - Aufgabentel Name, Vorname Matrkelnr. Studengang Semester Datum 31.07.2006 Raum,
MehrMehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren
Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +
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
MehrÖkonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte
Ökonomsche und ökonometrsche Evaluaton 90 Emprsche Analyse des Arbetsangebots Zele: Bestmmung von Arbetsangebotselastztäten als Test der theoretschen Modelle Smulaton oder Evaluaton der Wrkungen von Insttutonen
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
MehrDiplomprüfung im Fach Ökonometrie im WS 06/07 - Aufgabenteil
Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Dplomprüfung m Fach Ökonometre m WS 06/07 - Aufgabentel Name, Vorname Matrkelnr. Studengang Semester Datum Raum, Stzplatz-Nr.
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
MehrMasterprüfung SS 2017
Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Masterprüfung SS 07 Fach: Ökonometre Prüfer: Prof. Regna T. Rphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung:
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 07/08
Lehrstuhl für Statstk und emp. rtschaftsforschung, Prof. Regna T. Rphahn, Ph.D. Musterlösung zur Dplomprüfung Ökonometre m S 07/08 Aufgabe : [3.5 Punkte] Se nteresseren sch für de Determnanten der Anzahl
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
Mehr-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
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
MehrMasterprüfung SS 2016
Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Masterprüfung SS 06 Fach: Ökonometre Prüfer: Prof. Regna T. Rphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung:
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
MehrIhnen liegen Beobachtungen aus dem Current Population Survey aus dem Jahr 1988 vor. Unter anderem sind folgende Variablen enthalten:
Aufgabe 1: [25 Punkte] Ihnen legen 28155 Beobachtungen aus dem Current Populaton Survey aus dem Jahr 1988 vor. Unter anderem snd folgende Varablen enthalten: wage exper educ nonwhte male Lohn n US-Dollar,
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
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
MehrKurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit
BINARY CHOICE MODELS 1 mt Pr( Y = 1) = P Y = 0 mt Pr( Y = 0) = 1 P Bespele: Wahlentschedung Kauf langlebger Konsumgüter Arbetslosgket Schätzung mt OLS? Y = X β + ε Probleme: Nonsense Predctons ( < 0, >
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
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
MehrP[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)
Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,
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
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 08/09
Aufgabe : [5 Punkte] Ihnen legen 855 Beobachtungen aus dem Current Populaton Survey aus dem Jahr 988 vor. Unter anderem snd folgende Varablen enthalten: wage Lohn n US-Dollar, exper Berufserfahrung n Jahren,
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
Mehrnonparametrische 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
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
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
MehrWS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9
WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
Mehr(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y
5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable
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
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multvarate Statstk für Psychologen 3. Vorlesung: 14.04.2003 Agenda 1. Organsatorsches 2. Enfache Regresson. Grundlagen.. Grunddee und Zele der enfachen Regresson Bespele Statstsches Modell Modell
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrKapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104
Kaptel 4: Unscherhet n der Modellerung Modellerung von Unscherhet Machne Learnng n der Medzn 104 Regresson Modellerung des Datengenerators: Dchteschätzung der gesamten Vertelung, t pt p p Lkelhood: L n
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
MehrKurs 9.3: Forschungsmethoden II
MSc Bankng & Fnance Kurs 9.3: Forschungsmethoden II Zetrehenanalyse Lernsequenz 08: Enführung Panelregresson Dezember 2014 Prof. Dr. Jürg Schwarz Inhaltsverzechns Fole 2 Paneldaten 3 Arten von Stchproben...
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
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
MehrAnalyse von Querschnittsdaten. Bivariate Regression
Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004
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;
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
MehrMusterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur
Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens
MehrStatistische Methoden für Bauingenieure WS 13/14
Statstsche Methoden ür Baungeneure WS 3/4 Enhet 3: Bvarate Zuallsvarablen Unv.Pro. Dr. Günter Blöschl Bezechnungen... Zuallsvarable... Realsaton konkrete Werte Momente Grundgesamthet Mttelwert,Varanz Stchprobe
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.
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
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
MehrÜbungsblatt 8: Spezifikations- und andere Fragen rund um das lineare Regressionsmodell
Prof. Bernd Ftzenberger, Ph.D. Ute Leuschner Anthony Strttmatter Übung zur Veranstaltung Emprsche Wrtschaftsforschung Albert-Ludwgs-Unverstät Freburg Wntersemester 2009/10 Übungsblatt 8: Spezfkatons- und
Mehr3 Multiple lineare Regression
3.1 Modell und Statstk 34 3 Multple lneare Regresson 3.1 Modell und Statstk a Zusammenhang zwschen ener Zelgrösse Y und mehreren Engangsgrössen X (1), X (2),..., X (m) Y = β 0 + β 1 x (1) + β 2 x (2) Parameter:
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrMultivariate Analysemethoden
Multvarate Analysemethoden q-q-plot Methode zur Prüfung der Multvaraten Normalvertelung Günter Menhardt Johannes Gutenberg Unverstät Manz Prüfung der NV-Annahme Vertelungsanpassung/Prüfung Prüfung der
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
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 06/07
Lehrstuhl für Statstk und emp. rtschaftsforschung, Prof. Regna T. Rphahn, Ph.D. Musterlösung zur Dplomprüfung Ökonometre m S 06/07 Aufgabe 1: [3 Punkte] Se nteresseren sch für ohnungslosgket und hre Determnanten.
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
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
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
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.
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
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:
MehrTeil E: Qualitative abhängige Variable in Regressionsmodellen
Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =
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
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas
Ao.Prof.DI.Dr Josef Haas josef.haas@medungraz.at ANOVA (Analyss of Varance) Varanzanalyse Statstk Methoden Verglech von Mttelwerten Ao.Unv.Prof.DI.Dr. Josef Haas josef.haas@medungraz.at Ausgangsstuaton
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrWie lassen sich Zufallsvariablen und ihre Verteilungen beschreiben?
Kaptel : Enführung. Technsche Vorbemerkungen. Inhaltlche Glederung und Zele der Veranstaltung.3 Ökonometre: Was, wozu und we?.4 Illustraton Anhang A B C Wederholung: Lneare Algebra Wederholung: Statstk
MehrRückblick Regression II: Anpassung an Polynome
Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 8. Übung (08.01.2008) Agenda Agenda Verglech Rasch-Modell vs. 2-parametrsches logstsches Modell nach Brnbaum 2PL-Modelle n Mplus Verglech
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr
Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Graphsche Modelle els Landwehr Zusammenfassung Pfade Zusammenfassung: en Pfad --Y-Z- st B A E Blockert be Y, wenn Dvergerende Verbndung,
Mehr14 Schätzmethoden. Eigenschaften von Schätzungen ˆθ. Sei ˆθ n eine Schätzung eines Parameters θ, die auf n Beobachtungen beruht.
14 Schätzmethoden Egenschaften von Schätzungen ˆθ Se ˆθ n ene Schätzung enes Parameters θ, de auf n Beobachtungen beruht. ˆθn n θ Konsstenz (Mnmalforderung) Eˆθ n = θ Erwartungstreue Eˆθ n n θ Asymptotsche
MehrLernziele. Kapitel 1: Einführung. Was ist und wozu benötigt man die Ökonometrie? 1.1 Technische Vorbemerkungen
Kaptel : Enführung. Technsche Vorbemerkungen. Inhaltlche Glederung und Zele der Veranstaltung.3 Ökonometre: Was, wozu und we? Lernzele Was st und wozu benötgt man de Ökonometre? We rechnet man mt Vektoren
MehrKapitel 4. Eigenschaften von OLS-Schätzfunktionen
Kaptel 4 Egenschaften von OLS-Schätzfunktonen De Mathematk st ene Art Spelzeug, welches de Natur uns zuwarf zum Troste und zur Unterhaltung n der Fnsterns. (Jean le Rond d Alembert, 1717-1783) Wr haben
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrKapitel 3: Interpretation und Vergleich von Regressionsmodellen
Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen
Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Bayessches Lernen Chrstoph Sawade/Nels Landwehr/Paul Prasse Domnk Lahmann Tobas Scheffer Überblck Wahrschenlchketen, Erwartungswerte,
MehrEin metrisches Merkmal
En metrsches Merkmal 170 171 Bespel Ntratbelastung n NÖ-Trnkwasser Quelle NösWAG/WWF 1998 526 Meßstellen, Angaben n mg/l, Grenzwert st 50mg/l 23 23 32 32 32 12 12 12 12 12 12 12 23 12 12 12 12 23 23 23
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik
Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck
Mehr1. Teilprüfung FS 2008
. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 Vorname:... Name:... Stud. Nr.:... Studenrchtung:... . Telprüfung: Statstk und Wahrschenlchketsrechnung
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
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;
MehrItem-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich
Item-response Theore (Probablstche Testtheore Grnddee der tem-response Theore st, dass de Antworten af de Testtems ledglch Indatoren für ene z messende latente Varable (Trats, Klassen snd. Je nach Asprägng
MehrQualitätsparameter in der. Ausgleichungsrechnung
Insttut für Geodäse und Geonformatonstechnk Fachgebet Geodäse und Ausglechungsrechnung Qualtätsparameter n der Ausglechungsrechnung Prof. Dr.-Ing. Frank Netzel Semnar Qualtätsanalyse des Legenschaftskatasters
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastk, 11.5.13 Wr gehen stets von enem Maßraum (, A, µ) bzw. enem Wahrschenlchketsraum (,A,P) aus. De Borel σ-algebra auf R n wrd mt B n bezechnet, das Lebesgue Maß auf R n wrd mt
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrKapitel 4. Eigenschaften von OLS-Schätzfunktionen
Kaptel 4 Egenschaften von OLS-Schätzfunktonen De Mathematk st ene Art Spelzeug, welches de Natur uns zuwarf zum Troste und zur Unterhaltung n der Fnsterns. (Jean le Rond d Alembert, 1717-1783) Wr haben
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
Mehr