Skaleneffekte in Krankenhäusern Ergebnisse einer Studie mit 31 Krankenhäusern
|
|
- Jesko Waltz
- vor 6 Jahren
- Abrufe
Transkript
1 Skaleneffekte in Krankenhäusern Ergebnisse einer Studie mit 31 Krankenhäusern Dr. Thorsten Förstemann, Hannover FM Kongress 2014, , 09:45 10:15
2 Einleitung Ziele dieses Vortrages 1. Motivation eines quantitativen Prognosemodells anhand von 3 verschiedenen Prognosen 2. Darstellung von zwei Anwendungsszenarien anhand einer Prognose- und Bewertungsfragestellung 3. Erläuterung von Skaleneffekten anhand von Durchschnittsgrößen und Grenzgrößen Mathematische Herleitungen und Details zu den verwendeten Daten finden Sie im Tagungsband. 2
3 Teil 1 Prognosemodelle 3
4 Verfügbare Information (Ausgangssituation) unabhängige Variable (z.b. Bettenzahl) 4
5 Mögliche Prognose: naive Prognose Alles bleibt, wie es ist. 5
6 Zusätzliche Information (typische Situation) abhängige Variable (z.b. Hauptnutzungsfläche, HNF) 6
7 Mögliche Prognose: lineare Prognose zusätzliche Information Modellparameter m 7
8 Zusätzliche Information (Studien-Situation) Daten weiterer Krankenhäuser 8
9 Mögliche Prognose A: mehrfache lineare Prognose Nachteil: Jedes Krankenhaus besitzt einen eigenen Modellparameter. 9
10 Mögliche Prognose A: mehrfache lineare Prognose Nachteil: Jedes Krankenhaus besitzt einen eigenen Modellparameter. 10
11 Mögliche Prognose B: korrigierte Prognose zusätzliche Information gemeinsamer Modellparameter k 11
12 Vergleich der Prognosemodelle korrigierte Prognose 12
13 Vergleich der Prognosemodelle korrigierte Prognose, lineare Prognose 13
14 Vergleich der Prognosemodelle korrigierte Prognose, lineare Prognose, naive Prognose 14
15 Vergleich der Prognosemodelle korrigierte Prognose, lineare Prognose, naive Prognose 15
16 Vergleich der Prognosemodelle korrigierte Prognose, lineare Prognose, naive Prognose 16
17 Eigenschaften des Prognosemodells Quantifizierung durch Modellparameter und Variablen 17
18 Eigenschaften des Prognosemodells Beispiel für eine geplante Krankenhausvergrößerung 18
19 Eigenschaften des Prognosemodells Beispiel für eine geplante Krankenhausverkleinerung 19
20 Eigenschaften des Prognosemodells Vorzeichen des Modellparameters: k > 0 20
21 Eigenschaften des Prognosemodells Vorzeichen des Modellparameters: k > 0und k < 0 21
22
23
24 Teil 2 Anwendungsszenarien 24
25 Anwendungsszenario 1: Typische Prognosefragestellung einer Krankenhausumstrukturierung 1. Kennzahlen X, Y festlegen. 2. Modellparameter k aus Tabelle ablesen. 3. Ist-Werte x 0 und y 0 festlegen. 4. Soll-Wert x 1 festlegen. 5. Prognosewert y 1 berechnen: y 1 = y 0 + (1 + k) (y 0 /x 0 ) (x 1 x 0 ) 25
26 Anwendungsszenario 2: Bewertung einer Krankenhausumstrukturierung 1. Kennzahlen X, Y festlegen. 2. Alte Werte x 0 und y 0 festlegen. 3. Aktuelle Werte x 1 und y 1 festlegen. 4. Modellparameter k berechnen: k = ( (y 1 /y 0 ) x 0 x 1 ) / (x 1 x 0 ) 5. Berechneten Wert k mit entsprechendem Wert aus der Tabelle vergleichen. 26
27 Teil 3 Skaleneffekte 27
28 Quantitative Diskussion von positiven Skaleneffekten Anwendungsbeispiel zur durchschnittlichen HNF pro Bett 1. Kennzahlen: X= Bettenzahl, Y= HNF (qm) Modellparameter: k = 50 % = 0.5 (siehe Tabelle) 2. Beispielwerte: x 0 = 770, y 0 = qm Modellparameter: b = y. 0 x -(k+1) 0 = Modell: y(x) = b. x (k+1) HNF pro Bett: y(x) / x = b. x k 4. Beispielwerte: x [Betten] y(x) / x [HNF pro Bett] qm qm qm 28
29 Qualitative Diskussion von positiven Skaleneffekten Anhand von Durchschnittsgrößen und Grenzgrößen 29
30 Qualitative Diskussion von positiven Skaleneffekten Zum Vergleich: Prognosemodelle der untersuchten Krankenhäuser 30
31 Quantitative Diskussion von negativen Skaleneffekten Anwendungsbeispiel zu Sterilisations-Einheiten pro Patient 1. Kennzahlen: X= Patienten p.a., Y= Sterilisations-Einheiten p.a. Modellparameter: k = -50 % = -0.5 (siehe Tabelle) 2. Beispielwerte: x 0 = , y 0 = Modellparameter: b = y. 0 x -(k+1) 0 = Modell: y(x) = b. x (k+1) Steri-Einh. pro Patient: y(x) / x = b. x k 4. Beispielwerte: x [Pat. p.a.] y(x) / x [Steri-Einh. pro Pat.]
32 Qualitative Diskussion von negativen Skaleneffekten Anhand von Durchschnittsgrößen und Grenzgrößen 32
33 Qualitative Diskussion von negativen Skaleneffekten Zum Vergleich: Prognosemodelle der untersuchten Krankenhäuser 33
34 Quantitative Diskussion von schwachen Skaleneffekten Anwendungsbeispiel zu Verweildauer 1. Kennzahlen: X= Anzahl Patienten p.a., Y= Belegtage p.a. Modellparameter: k = -10 % = -0.1 (siehe Tabelle) 2. Beispielwerte: x 0 = , y 0 = Modellparameter: b = (-0.1+1) = Modell: y(x) = b. x (k+1) Verweildauer: y(x) / x = b. x k 4. Beispielwerte: x [Patienten p.a] y(x) / x [Verweildauer]
35 Qualitative Diskussion von schwachen Skaleneffekten Anhand von Durchschnittsgrößen und Grenzgrößen 35
36 Qualitative Diskussion von schwachen Skaleneffekten Zum Vergleich: Prognosemodelle der untersuchten Krankenhäuser 36
37 Skaleneffekte in Krankenhäusern Ergebnisse einer Studie mit 31 Krankenhäusern Dr. Thorsten Förstemann, Hannover FM Kongress 2014, , 09:45 10:15
QUADRATISCHE FUNKTIONEN
QUADRATISCHE FUNKTION DARSTELLUNG MIT DER FUNKTIONSGLEICHUNG Allgemeine Form - Vorzeichen von a gibt an, ob die Funktion nach oben (+) oder unten (-) geöffnet ist. Der Wert (Betrag) von gibt an, ob die
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
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
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 7.01.01 Bearbeitungszeit: 60 Minuten Aufgabe 1 In der nachfolgenden Tabelle sind die Jahresendwerte des Dax 30 und das Wachstum (in %) des BIP gegenüber dem Vorjahr (Quelle:
Mehr5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren
5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
Mehr1 Prognoseverfahren F H
1 Prognoseverfahren 1.1 Zielsetzung 1.2 Bedarfsverlauf von Verbrauchsfaktoren 1.3 Prognose bei regelmäßigen Bedarf 1.4 Prognosemodelle in Standard-ERP-Software 1.5 Ausblick Herrmann, Frank: Operative Planung
MehrZahlendarstellungen und Rechnerarithmetik*
Zahlendarstellungen und Rechnerarithmetik* 1. Darstellung positiver ganzer Zahlen 2. Darstellung negativer ganzer Zahlen 3. Brüche und Festkommazahlen 4. binäre Addition 5. binäre Subtraktion *Die Folien
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrKlausurvorbereitung Multivariate Statistik
Klausurvorbereitung Multivariate Statistik Aufgabe 1 (15 Punkte) Daten der Erdbeerernte für 20 Betriebe werden untersucht. Angegeben werden die Variablen Größe, Sonne und Ertrag, die die Gröÿe des Anbaugebietes
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
Mehr1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
MehrEmpirische Wirtschaftsforschung und Ökonometrie
Peter Winker Empirische Wirtschaftsforschung und Ökonometrie 2., vollständig überarbeitete Auflage Mit 99 Abbildungen und 13 Tabellen Springer Inhaltsverzeichnis Vorwort V Teill Einleitung 1 Aufgabe und
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN GLIEDERUNG Bivariate Analyse für metrisch skalierte Variablen Grundlagen Streudiagramme und Visualisierungen von Zusammenhängen Positive lineare
Mehr5 Die Gerade g 1 hat die Gleichung 6: y = 1 }
Geraden Schülerbuchseite 199 01 5 Die Gerade g 1 hat die Gleichung 6: = 1 }. Die Gerade g hat die Gleichung : = 1 }. Die Gerade g hat die Gleichung 1: =. Die Gerade g hat die Gleichung : =. Die Gerade
MehrOperatoren für das Fach Mathematik
Operatoren für das Fach Mathematik Anforderungsbereich I Angeben, Nennen Sachverhalte, Begriffe, Daten ohne nähere Erläuterungen und Begründungen, ohne Lösungsweg aufzählen Geben Sie die Koordinaten des
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
MehrÜber die Bedeutung der zwei Zahlen m und x 1 für das Aussehen des Graphen wird an anderer Stelle informiert.
Lineare Funktionen - Term - Grundwissen Woran erkennt man, ob ein Funktionsterm zu einer Linearen Funktion gehört? oder Wie kann der Funktionsterm einer Linearen Funktion aussehen? Der Funktionsterm einer
MehrWas ist eine Funktion?
Lerndomino zum Thema Funktionsbegriff Kopiereen Sie die Seite (damit Sie einen Kontrollbogen haben), schneiden Sie aus der Kopie die "Dominosteine" zeilenweise aus, mischen Sie die "Dominosteine" und verteilen
MehrLean Body Mass [kg] Estimate Std. Error t value Pr(> t ) (Intercept) ??? lbm <2e-16 ***
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrAlle WGKT-Empfehlungen können unter www.wgkt.de eingesehen und heruntergeladen werden.
WGKT-Empfehlung Betriebswirtschaftliche Kennzahlen von Krankenhäusern Stand: 05.11.2009 Arbeitskreismitglieder: Prof. Dr. K. Lennerts (Leitung), Karlsruhe; Prof. Dr. C. Hartung, Hannover; Dr. T. Förstemann,
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrFuzzy-Logik basiertes Credit-Rating
Fuzzy-Logik basiertes Credit-Rating Zielsetzung des Fuzzy-Logik basierten Expertensystems (I) Überwindung der Nachteile moderner Rating-Verfahren durch Aufbau eines für den Anwender transparenten Systems
MehrAufgaben zu Kapitel 4
Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl
MehrKapitel 17 Skalar- und Vektorprodukt
Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man
Mehr4) Lösen linearer Gleichungssysteme mit zwei oder drei Unbekannten
1) Wechsel der Darstellung Taschenrechner CASIO fx-991 ES Denn es ist eines ausgezeichneten Mannes nicht würdig, wertvolle Stunden wie ein Sklave im Keller der einfachen Berechnungen zu verbringen. Gottfried
MehrZiel der linearen Regression
Regression 1 Ziel der linearen Regression Bei der linearen Regression wird untersucht, in welcher Weise eine abhängige metrische Variable durch eine oder mehrere unabhängige metrische Variablen durch eine
MehrRUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen
RUHR - UNIVERSITÄT BOCHUM Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen L i n e a r e A l g e b r a 15.5.1998 (SS 1998) Name Vorname Teilnehmer-Nr. Zur Beachtung Die Klausur umfaßt
MehrElastizitäten & Staatliche Interventionen
Elastizitäten & Staatliche Interventionen Ökonomische Entscheidungen und Märkte IK Alexander Ahammer Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz Letztes Update: 13. Oktober 2016,
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrUsability-Engineering in der Medizintechnik
Usability-Engineering in der Medizintechnik Claus Backhaus Usability-Engineering in der Medizintechnik Grundlagen Methoden Beispiele 1 C Dr.-Ing. Claus Backhaus Neuer Kamp 1 20359 Hamburg c-backhaus@t-online.de
MehrKapitel XI - Korrelationsrechnung
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Kapitel XI - Korrelationsrechnung Markus Höchstötter Uni Karlsruhe Karlsruhe, SS 2008 Kapitel XI - Korrelationsrechnung
MehrBivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation
Bivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation PEΣO 12. November 2001 Von der Tabellenanalyse zur Regression Die bivariate Verteilung zweier metrischer Variablen kann konzeptionell
Mehrad Physik A VL2 (11.10.2012)
ad Physik A VL2 (11.10.2012) korrigierte Varianz: oder: korrigierte Stichproben- Varianz n 2 2 2 ( x) ( xi ) n 1 i1 1 n 1 n i1 1 Begründung für den Vorfaktor : n 1 Der Mittelwert der Grundgesamtheit (=
Mehr6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale
6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale 397 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
MehrDer Mythos des Mittelwertes
Der Mythos des Mittelwertes Neue Methodenlehre der Statistik Von o. Universitätsprofessor Dr. Friedrich Sixtl 2., überarbeitete und erweiterte Auflage R. Oldenbourg Verlag München Wien Inhaltsübersicht
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrEmpirische Wirtschaftsforschung und Ökonometrie
Springer-Lehrbuch Empirische Wirtschaftsforschung und Ökonometrie Bearbeitet von Peter Winker 3., akualisierte Aufl. 2010 2010. Taschenbuch. xiii, 346 S. Paperback ISBN 978 3 642 14506 3 Format (B x L):
MehrGütebewertung und Performanceanalyse von Prognosealgorithmen bei unterschiedlichen Signalklassen
Gütebewertung und Performanceanalyse von Prognosealgorithmen bei unterschiedlichen Signallassen Diplomverteidigung Yongrui Qiao 25. 06. 2009 1/33 Gliederung Motivation und Problemstellung Testverfahren
MehrCIRS - Integration in die Routine - von anfänglicher Skepsis zur gemeinsamen Begeisterung -
CIRS - Integration in die Routine - von anfänglicher Skepsis zur gemeinsamen Begeisterung - Dr. Klaus Hoffmann Klinik für Anaesthesiologie, operative Intensivmedizin und Schmerztherapie CIRS im Klinikum
MehrSchlussrechnung, Modellbildung und Interpolation
Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim Lehrerfortbildungstag
MehrWas ist eine Funktion?
Lerndomino zum Thema Funktionsbegriff Kopiereen Sie die Seite (damit Sie einen Kontrollbogen haben), schneiden Sie aus der Kopie die "Dominosteine" zeilenweise aus, mischen Sie die "Dominosteine" und verteilen
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Beispieldaten meineregression = lm(alterm ~ AlterV) meineregression plot(alterv,
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
Mehr2.3 Quadratische Funktionen
2.3 Quadratische Funktionen 2.3.1 Definition einer quadratischen Funktion Bisher hatten wir uns ganz auf lineare Funktionen beschränkt. Wir stellen sie im Koordinatensystem als Geraden dar.interessanter
Mehr2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner
2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner Arbeitszeit: 100 Minuten Lernstoff: Mathematische Grundkompetenzen: AG2.1, AG2.2, AG2.3 FA1.1, FA1.5, FA1.6, FA1.7, FA1.9 FA2.1, FA2.2,
MehrUnterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 2014 Mathematik
Seite von 0 Unterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 04 Mathematik. Aufgabenart Analysis. Aufgabenstellung Aufgabe : Untersuchung ganzrationaler Funktionen Aufgabe : Verkehrsstau
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
Mehrbwz uri Datenanalyse Minuten Ich wünsche Ihnen viel Erfolg! Name und Vorname Aufgabe Gesamtpunkte Punkte
Datenanalyse 2017 Prüfungsdauer Hilfsmittel Bedingungen 60 Minuten Taschenrechner erlaubt, CAS-Rechner im Prüfungsmodus! Formelsammlung Dokumentieren Sie den Lösungsweg sauber. Der Lösungsweg muss klar
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
MehrLizenziert für: Seite 8 Aufgabe 3 Exercise-ID Ex
: Funktionen und ihre Graphen Im Kapitel Funktionen und ihre Graphen lernst du, verschiedene Eigenschaften einer Funktion zu bestimmen. Mit den ausführlichen Lösungswegen von MatheScout siehst du, wie
MehrMath. II, Statistik, Uebung2, Termin (AI), (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit
Math. II, Statistik, Uebung2, Termin 11.04.2013 (AI), 15.04.2013 (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit ALLGEMEINES 1d) 94,2% der Zunahme der Sättigung mit Smartphones ist
MehrUnterrichtssequenz zum E-Book+ Mathematik verstehen 5
Unterrichtssequenz zum E-Book+ Lineare Funktionen Lernziele Lineare Funktionen der Form f(x) = k x + d und deren Graphen kennen Charakteristische Eigenschaften einer linearen Funktion kennen und interpretieren
MehrAbnehmer der Erzeugnisse (Output) Werk 1 Werk 2 Werk 3 Markt Werk 1 400 1400 1000 1200 Hersteller der Erzeugnisse
Name: Datum: Produktionsverflechtung - Einstiegsaufgabe mit Lösung Ein Unternehmen produziert in drei Zweigwerken an verschiedenen Standorten unterschiedliche Teile und Waren. Jedes Zweigwerk bezieht für
MehrInhaltsverzeichnis. Ü1 Repetition 2. Ü2 Regressionsgeraden 6. Beni Keller (Vorlage: R. Schicker) SJ 16/17
Inhaltsverzeichnis Ü1 Repetition 2 Ü2 sgeraden 6 Ü1 Repetition Worum geht es? Mit diesem Übungsblatt sollen die folgenden Funktionsarten in Hinblick auf die lineare repetiert werden: Lineare Funktion Quadratische
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
Mehr16. November 2011 Zentralitätsmaße. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87
16. November 2011 Zentralitätsmaße H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87 Darstellung in spektraler Form Zentralität genügt Ax = κ 1 x (Herleitung s. Tafel), daher ist x der Eigenvektor
MehrCox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Ausgangsdaten Bundesliga 2008/2009 Gegeben: Daten zu den 18 Vereinen der ersten Bundesliga
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrAbsprachen / Hinweise
Funktionen Funktionen und ihre Darstellungen Wiederholung bekannter Funktionen (Quadratische Funktionen, Exponentialfunktionen, Sinusfunktionen) Potenzfunktionen Differentialrechnung Durchschnittliche
MehrDie folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt.
Nr. Die folgende Tabelle wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Gewicht (x i ) Raucher Geschlecht Lieblingssportart Ausübung des Sports Geld pro Monat Klassenmitte
Mehr7.1 Matrizen und Vektore
7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit
MehrMehrfache Lineare Regression 1/9
Mehrfache Lineare Regression 1/9 Ziel: In diesem Fallbeispiel soll die Durchführung einer mehrfachen linearen Regressionsanalyse auf der Basis vorhandener Prozessdaten (Felddaten) beschrieben werden. Nach
MehrStatistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II
Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte
MehrWI-M / HT-M: OR 2 - Statistik SS 2004 Prof. Dr. Häußler, FB AW. Übung 1: Diskriminanzanalyse: Zwei-Gruppen-Fall
WI-M / HT-M: OR 2 - Statistik SS 2004 Prof. Dr. Häußler, FB AW Übung 1: Diskriminanzanalyse: Zwei-Gruppen-Fall 04.05.04 (Dozentenverzeichnis: S:\ MUSTER \ HAE \ Master) Aufgabe: "Lungenkarzinom" Excel-Arbeitsmappe:
MehrSkript Lineare Algebra
Skript Lineare Algebra sehr einfach Erstellt: 2018/19 Von: www.mathe-in-smarties.de Inhaltsverzeichnis Vorwort... 2 1. Vektoren... 3 2. Geraden... 6 3. Ebenen... 8 4. Lagebeziehungen... 10 a) Punkt - Gerade...
MehrKreuze nur die zutreffenden Eigenschaften für die folgenden Funktionen im richtigen Feld an!
Teil : Grundkompetenzen ( Punkte) Beispiel : ( Punkt) Die nebenstehende Graphik stellt ein eponentielles Wachstum der Form f() = a b (a, b R + ) dar. Bestimme aus dem Graphen die Werte der Konstanten a
MehrBILDUNGSSTANDARDS 8. Schulstufe MATHEMATIK
BILDUNGSSTANDARDS 8. Schulstufe MATHEMATIK Das Kompetenzmodell für Mathematik auf der 8. Schulstufe legt Inhaltsbereiche fest, wobei die jeweiligen Anforderungen durch bestimmte, in Handlungsbereichen
Mehr3. Schulaufgabe aus der Mathematik Lösungshinweise
3. Schulaufgabe aus der Mathematik Lösungshinweise Gruppe A Aufgabe 1 Von den 32 Karten sind 4 Asse, also ist P (Ass) = 4 32 = 1 8 = 0, 125 = 12, 5%. Es sind 8 Herzkarten (ein Viertel der gesamten Karten)
Mehra) Was ist die statistische Gesamtheit der hier vorliegenden Untersuchung und welche Merkmale wurden erhoben?
Statistik I, WS 2005/06, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrKapitel 16 Skalar- und Vektorprodukt
Kapitel 16 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 210 / 246 Bisher hatten wir die Möglichkeit Vektoren des Vektoren mit rellen Zahlen zu multiplizieren. n zu addieren und Man
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 2 Seite 1 von 7. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Ministerium für Schule und Weiterbildung NRW M LK HT Seite 1 von 7 Unterlagen für die Lehrkraft Abiturprüfung 01 Mathematik, Leistungskurs 1. Aufgabenart Analysis. Aufgabenstellung 1 siehe Prüfungsaufgabe
MehrGrundlagen zu Geraden
Grundlagen zu Geraden Punkte in ein Koordinatensystem einzeichnen: Bei einem Punkt P(x y) wird die erste Komponenten (die erste Zahl in der Klammer) auf der x-achse abgetragen und die zweite Komponente
MehrPatientensicherheit und Pflegepersonal in Krankenhäusern. Information für Patienten- und Personalvertretungen
Patientensicherheit und Pflegepersonal in Krankenhäusern Information für Patienten- und Personalvertretungen Wie gefährlich sind Krankenhäuser für Patienten? Ca. 0,1 % der Krankenhauspatienten sterben
MehrAnalytische Geometrie
Der fx-991 DE X im Mathematik- Unterricht Analytische Geometrie Station 1 Schnittgerade zweier Ebenen Da der Taschenrechner nur eindeutige Lösungen eines Gleichungssystems liefert, kann er nur Schnittpunkte
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehry=f(x) Tangente bei x 0
Lineare Näherungen =f() Tangente bei 0 =f( 0 )+f ( ).( 0 ) 0 Fehler der linearen Näherung 0 f( ) 0 Lineare Näherung einer Funktion einer Variablen f () f ( 0 ) + f ( 0 ) ( 0 ) f ( 0 ) (für nahe bei 0 )
MehrLungen- und Herz-Lungentransplantation
Lungen- und Herz-Lungentransplantation 2015 Ergänzungsbericht zum Tätigkeitsbericht 2015 über die Ergebnisse der externen vergleichenden Qualitätssicherung nach 11 Abs. 5 TPG - veröffentlicht durch die
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrEinführung des Integrals Stammfunktionen Hauptsatz Flächen Mittelwerte Rotationsvolumen
14 Integralrechnung Einführung des Integrals Stammfunktionen Hauptsatz Flächen Mittelwerte Rotationsvolumen E-Mail: klaus_messner@web.de, Internet: www.elearning-freiburg.de Einführung des Integrals 15
Mehr4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR
Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über
MehrCeBIT (2) Jedes Jahr im Frühjahr findet die CeBIT, die Messe für Informationstechnik, in Hannover statt.
CeBIT (2) Aufgabennummer: B_158 Technologieeinsatz: möglich erforderlich S Jedes Jahr im Frühjahr findet die CeBIT, die Messe für Informationstechnik, in Hannover statt. a) Die folgende Tabelle zeigt die
MehrJavakurs für Anfänger
Javakurs für Anfänger Einheit 06: Einführung in Kontrollstrukturen Lorenz Schauer Lehrstuhl für Mobile und Verteilte Systeme Heutige Agenda 1. Teil: Einführung in Kontrollstrukturen 3 Grundstrukturen von
MehrBildungsstandards für Mathematik, 8. Schulstufe
Bildungsstandards für Mathematik, 8. Schulstufe 1 Bildungsstandards für Mathematik, 8. Schulstufe Die Bildungsstandards für Mathematik, 8. Schulstufe, legen konkrete Lernergebnisse fest. Diese Lernergebnisse
MehrEinführung des Integrals. Integralrechnung. Der Hauptsatz. Stammfunktionen. Einführung des Integrals
Einführung des Integrals 15 14 Integralrechnung Einführung des Integrals Stammfunktionen Hauptsatz lächen Mittelwerte Rotationsvolumen Das Integral wird aus einer geometrischen ragestellung hergeleitet:
MehrAltklausurenanalyse. Deskriptive Statistik. Übersichtsdiagramm. Grundlagen der Wirtschaftsmathematik. Statistik
Grundlagen der Wirtschaftsmathematik und Statistik Übersichtsdiagramm Lernmaterial zum Modul - 31101 - der Fernuniversität Hagen INHALTSVERZEICHNIS 1. Ein paar Worte vorweg... 1 2. Zur Methodik des Kennzahlensystems...
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
Mehr(Qualitätssicherungs-Richtlinie Früh- und Reifgeborene / QFR- RL)
Veröffentlichung der Ergebnisqualität gemäß der Richtlinie des Gemeinsamen Bundesausschusses über Maßnahmen zur Qualitätssicherung der Versorgung von Früh- und Reifgeborenen gemäß 137 Absatz 1 Nummer 2
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse 1 Teil 1 1.
MehrHöhere Mathematik III
Universität Stuttgart Fachbereich Mathematik Prof. Dr. J. Pöschel Dr. D. Zimmermann Dipl.-Math. K. Sanei Kashani Blatt 5 Höhere Mathematik III el, kb, mecha, phs Vortragsübungen (Musterlösungen) 7..4 Aufgabe
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1
Mehr