Zeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
|
|
- Alke Schuster
- vor 6 Jahren
- Abrufe
Transkript
1 Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
2 Beispiel für Zeitreihe
3 Andere Anwendungen Inventarmanagment Produktionsplanung Finanzierungspläne Beschäftigungsplanung Prozesskontrolle Etc.
4 Typische Zeitreihen Y(t) = b 0 + ε wobei ε ~ N(0,σ)
5 Typische Zeitreihen Y(t) = b 0 + b 1 t + ε, ε ~ N(0,σ)
6 Typische Zeitreihen 3 Y(t) = b 0 + b 1 sin(ω t) + ε, ε ~ N(0,σ)
7 Zerlegung der Zeitreihe F t Trendkomponente S t Saisonale komponente C t Zyklische Variation (längere Perioden als Saison, ev. Keine fixe Periodenlänge) E t Zufallsschwankungen Für die zuvor vorgestellten Beispiele könnte man einfache Regressionsmodelle verwenden (vgl. Kapitel 7 und 8)
8 Zwei Modelle Multiplikative Zeitreihenstruktur X t = F t C t S t E t Additive Struktur X t = F t +C t +S t +E t Exp und Log führen Modelle ineinander über. Zusätzlich zur Regression wird bei Zeitreihen häufig die Methode der gleitenden Mittel verwendet
9 Bsp. 10.1: Verkaufszahlen über 3 Wochen Woche Mo Di Mi Do Fr Frage ob der Wochentag einen Einfluss auf die Verkaufszahlen hat
10 Graphische Darstellung Verkauf Tag
11 Behandlung der saisonalen Komponente (hier: Wochentag) X t = F t C t S t E t Verwende zunächst gleitende Mittel um saisonalen Effekt zu eliminieren (d.h. ich schätze F t C t ) GM 3 = (X 1 + X 2 + X 3 + X 4 + X 5 )/5 GM 4 = (X 2 + X 3 + X 4 + X 5 + X 6 )/5 GM 5 = (X 3 + X 4 + X 5 + X 6 + X 7 )/5 etc. Beachte die ungerade Periodenlänge p=5 (Wochentage) GM 1 und GM 2 werden nicht berechnet (ebenso GM n-1 und GM n
12 Gleitendes Mittel in der Graphik Verkauf Gleitendes Mittel Tag
13 Bereinigte Zeitreihe und saisonaler Index Von Trend und Zyklus bereinigte Zeitreihe: X t (-TC) = S t E t = X t /(F t C t ) Berechnung des saisonalen Index: Ersetze F t C t durch GM t, mittle über alle so erhaltenen Werte des gleichen Wochentags und multipliziere mit 100 Bsp Mittwoch: SI 3 =100(49/ / /46) /3 = Normierter saisonaler Index: NSI j = 100 SI SI j
14 Saisonales Gewicht und saisonbereinigte Zeitreihe Saisonales Gewicht = Saisonindex / Periodenlänge = SI j / p Saisonbereinigte Zeitreihe: X t (-S) = X t 100/SI j wobei SI j der (normierte) Saisonindex des entsprechenden Tages ist! Bemerkung: Zur Berechnung von SI wird manchmal anstelle des Mittelwerts auch der Median verwendet
15 Gleitende Mittel bei gerader Periodenlänge (Bsp 10-2: p=4) Bilde zunächst die Mittel jeweils über die Periodenlänge HM 2,5 = (X 1 + X 2 + X 3 + X 4 )/4 HM 3.5 = (X 2 + X 3 + X 4 + X 5 )/4 HM 4,5 = (X 3 + X 4 + X 5 + X 6 )/4 etc. Verwende diese Hilfsgrößen um die zentrierten gleitenden Mittel zu berechnen GM 2 = (HM 2,5 +HM 3,5 ) GM 3 = (HM 3,5 +HM 4,5 ) etc.
16 Schätzung von Trend und zyklischer Komponente Schätze den Trend F t als linearen Anteil der saisonbereinigten Zeitreihe X t (-S) mittels Regression 2 Möglichkeiten: 1) Regression für die logarithmierte Zeitreihe log X t (-S) lineares Fehlermodell: log X t (-S) ~b 0 + b 1 t = log F t oder: ˆ = b0 b1t Ft e e 2) Regression direkt für X t (-S) ~c 0 + c 1 t = F t Buch S. 271ff, Bsp. 10-4, alles durchgerechnet ^ ^
17 Zyklische Komponente C t Wir haben nun also F t C t mit gleitendem Mittel und F t selbst durch lineare Regression der saisonbereinigten Zeitreihe geschätzt. Zur Bestimmung von C t können wir nun einfach diese beiden Schätzer dividieren (C t = F t C t /F t ) Abgesehen von den zufälligen Schwankungen, die ja prinzipiell nicht berechenbar sind, haben wir die Zeitreihe somit vollständig nach unserem multiplikativen Modell X t = F t C t S t E t zerlegt! Beachte, dass C t schwieriger zu schätzen und auch schwieriger zu interpretieren ist als S t.
18 Prognose
19 Verbrauch von Brennstoffen Wie wird der Verbrauch im Jahr 2010 aussehen?
20 Deutscher Aktienkurs Wo befindet sich der DAX in 3 Monaten?
21 Konjunkturprognose
22 Erstellen von Prognosen Verwende Zerlegung der Zeitreihe! X t = F t C t S t E t Zur Bestimmung von X T verwende: F T c 0 exp (c 1 T) S T passenden saisonalen Index (Tag, Quartal,etc.) C T geeignete Wahl am schwierigsten, erfordert zumeist spezielle Überlegungen, z. Bsp. welcher Teil der Zi ih ihi d V hiählih
23 Bsp Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q X t Berechnung der Gleitenden Mittel: Bsp. 3. Quartal 1997: HM 23 = ; HM 34 = GM 3 = 856.2
24 Bsp Saisonindizes 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q X t GM Beispiel 3. Quartal: 1997: 868.5/856.2 = : /927.1 = : 976.8/986.2 = 0.99 SI = 100 ( )/3 = Berechne analog SI für die anderen 3 Quartale und dann NSI
25 Bsp.10-4: Saisonbereinigte Zeitreihe Normiere Saisonindizes 1Q 2Q 3Q 4Q (NSI): Saisonbereinigte Zeitreihe: X t (-S) =X t /NSI 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q X t X t (-S)
26 Bsp.10-4: Trendschätzung 1) Regression für Y = log(x t (-S) ) liefert: Y ˆ ( t) = t F ˆ ( t) = exp( t) = 821e 0.016t 2) Regression für Y = X t (-S) liefert F ˆ2 ( t) = t Beachte: F ˆ ( t) t + 0.1t 2
27 Bsp.10-4: Zyklische Komponente Berechne C t = GM t F ˆ ( t ) Beispiel 3. Quartal 1998: entspricht t=7 ˆ F(7) = 821e = GM 7 = C7 = 927.1/ Somit Zeitreihe vollständig zerlegt und wir wollen Zerlegung nun zur Prognose verwenden!
28 Prognose für das erste Quartal 2001 Entspricht dem Zeitpunkt T = 17, Prognose verwendet Schätzer für F T,C T und S T ˆ F(17) = 821 e = 1078 S t wird mittels saisonalem Effekt geschätzt Sˆ 17 = NSI1 /100 = Bleibt zyklische Komponente: Mögliche Überlegung C 14 = 1 C 10 Schätze C 17 durch C 13 = Prognose: Fˆ ˆ ˆ 17 S17 C17 =
29 Natürlich gibt es viele weitere Verfahren zur Prognose, die hier nicht besprochen werden können. So wird häufig die Methode der exponentiellen Glättung bevorzugt. Weiterführende Literatur findest Du z.bsp hier: Beachte, dass wir hier nur Informationen aus der Zeitreihe selbst zur Prognose verwendet haben. In der Praxis wird man natürlich auch zusätzliche Informationen heranziehen (z.bsp. Diverse andere Wirtschaftsdaten zur Konjunkturprognose).
30 Autokorrelation Korrelation zwischen Fehlertermen eines Regressionsmodells Schätzung der Koeffizienten ineffizient Unterschätzung der Fehlervarianz s 2 e Auswirkungen auf Tests und Konfidenzintervalle (Wahrscheinlichkeit für Fehler 1. Art steigt) Bei Zeitreihen ist Autokorrelation (AK) ein häufiges Phänomen, und zwar meist positive AK
31 Durbin-Watson Test H 0 : Zeitreihe weist keine Lag 1 Autokorrelation auf H 1 : Es liegt Autokorrelation auf Teststatistik bei T Beobachtungen: D Testentscheidung: T = = ( e t t e ) 2 2 t 1 T 2 e t= 1 t H 0 falls d U < D < 4-d U H 1 falls d L < D < 4-d L Ansonsten keine Entscheidung möglich!
32 Beispiel 10-7 T =n = 16 Residuen gegeben Durbin -Watson Statistik: D = Tabelle 6: d L = 0.98, d U = 1.24 Somit d U < D < 4-d U und wir können H 0 nich verwerfen!
33 Was tun bei Autokorrelation? 1) Hinzufügen weiterer unabhängiger Variablen 2) Transformieren von Variablen Typischerweise bildet man Differenzen oder Quotienten Siehe Bsp im Buch
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrKapitel XII - Einführung in die Zeitreihenanalyse
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Einführung in die Zeitreihenanalyse Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrZerlegung von Zeitreihen
Kapitel 7 Zerlegung von Zeitreihen Josef Leydold c 2006 Mathematische Methoden VII Zerlegung von Zeitreihen 1 / 39 Lernziele Klassische Zerlegung von Zeitreihen Saisonbereinigungsverfahren: Gleitende Durchschnitte
MehrZeitreihenanalyse Das Holt-Winters-Verfahren
Zeitreihenanalyse Das Holt-Winters-Verfahren Worum geht es in diesem Lernmodul? Einleitung Modellannahmen Die Prognoseformel des Holt-Winters-Verfahren Die Glättungskoeffizienten Die Startwerte Weiterführende
Mehr[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.
13 Zeitreihenanalyse 1 Kapitel 13: Zeitreihenanalyse A: Übungsaufgaben: [ 1 ] 1 a a) Nach der Formel x t+i berechnet man einen ein f achen gleitenden Durchschnitt. 2a + 1 i= a b) Die Residuale berechnet
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
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
Mehr11. Zeitreihen mit Trend und Saisonalität
In diesem Abschnitt geht es um ZR, die in eine Trend-, eine Saisonund eine Restkomponente zerlegt werden können. (Das Niveau sei in der Trendkomponente enthalten.) Beispiele für solche ZR sind in Abb.
Mehr5.6 Empirische Wirtschaftsforschung
5.6.0 Vorbemerkungen Literatur Winker, P. (2010): Empirische Wirtschaftsforschung und Ökonometrie. 3. Auflage. Springer. Insbesondere Kapitel 1, 4 und 10. Volltext-Download im Rahmen des LRZ-Netzes. Rinne,
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg. PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004 Aufgabe 1 U t bedeute weißes Rauschen und B den Backshift
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrKapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrGewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h
5. Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung Bisher: Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h ρ X (h) = Corr(X t, X
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
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
MehrKapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation
Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Bei Zeitreihendaten ist häufig das Phänomen zu beobachten, daß die Werte der Zeitreihe zeitverzögert mit sich selbst korreliert sind. Dies bedeutet,
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrKointegration. Kapitel 19. Angewandte Ökonometrie / Ökonometrie III Michael Hauser
1 / 28 Kointegration Kapitel 19 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 28 Inhalt I(d), Trends, Beispiele Spurious Regression Kointegration, common trends Fehlerkorrektur-Modell Test
Mehr13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben,
MehrMakroökonomie: Übung 1
Makroökonomie: Übung 1 3.5.2010 1 Ziele der Übung Umgang mit Daten MS Excel verwenden Ergebnisse interpretieren Konzepte aus der Vorlesung anwenden 2 Aufgabe 2 Logarithmierte Zeitreihen Einen Ordner auf
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2016 Fr, 01 0:00 Sa, 02 0:00 So, 03 0:00 Mo, 04 0:00 Di, 05 0:00 Mi, 06 0:00 Do, 07 0:00 Fr, 08 0:00 Sa, 09 0:00 So, 10 0:00 Mo, 11 0:00 Di, 12 0:00 Mi, 13 0:00 Do, 14 0:00 Fr, 15 0:00
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrRegionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren
Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.
MehrZeitreihenökonometrie
Zeitreihenökonometrie Kapitel 11 - Filterverfahren Unterscheidung zwischen Wachstum und Konjunktur Wachstum: langfristige Entwicklung des Bruttoinlandsproduktes bei voller oder normaler Auslastung der
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2015 Do, 01 Fr, 02 Sa, 03 So, 04 Mo, 05 Di, 06 Mi, 07 Do, 08 Fr, 09 Sa, 10 So, 11 Mo, 12 Di, 13 Mi, 14 Do, 15 Fr, 16 Sa, 17 So, 18 Mo, 19 Di, 20 Mi, 21 Do, 22 Fr, 23 Sa, 24 So, 25 Mo,
MehrHaushaltsbuch Jänner 2013
Haushaltsbuch Jänner 2013 Di 1 Mi 2 Do 3 Fr 4 Sa 5 So 6 Mo 7 Di 8 Mi 9 Do 02 Fr 11 Sa 12 So 13 Mo 14 Di 15 Mi 16 Do 17 Fr 28 Sa 19 So 20 Mo 21 Di 22 Mi 23 Do 24 Fr 25 Sa 26 So 27 Mo28 Di 29 Mi 30 Do 31
Mehr1. Lösungen zu Kapitel 7
1. Lösungen zu Kapitel 7 Übungsaufgabe 7.1 Um zu testen ob die Störterme ε i eine konstante Varianz haben, sprich die Homogenitätsannahme erfüllt ist, sind der Breusch-Pagan-Test und der White- Test zwei
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrIntermediate Macroeconomics: Übungsveranstaltung
Ziele der Übungsveranstaltung Umgang mit Daten, insbesondere Zeitreihen Intermediate Macroeconomics: Übungsveranstaltung MS Excel verwenden, einfache Datentransformationen und Berechnungen durchführen
MehrBestandsmanagement. Prognoseverfahren und Lagerhaltungspolitiken
Bestandsmanagement Prognoseverfahren und Lagerhaltungspolitiken Inhalt Bestandsmanagement in Supply Chains Prognoseverfahren Prognose bei regelmäßigem Bedarf Konstantes Bedarfsniveau Trendförmiges Bedarfsniveau
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrWangerooge Fahrplan 2016
Fahrplan Dezember 2015 Januar Januar Januar Februar Februar März So, 13.12. 10.15 11.00 12.45 12.30 13.45 14.20 Mo, 14.12. 11.30 13.00 15.30 Di, 15.12. 12.30 13.05 14.45 13.30 15.00 Mi, 16.12. 14.45 16.00
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrZeitreihenanalyse Der einfache gleitende Durchschnitt
Zeitreihenanalyse Der einfache gleitende Durchschnitt Worum geht es in diesem Lernmodul? Einleitung Erläuterung der Methode Berechnung des einfachen gleitenden Durchschnitts Der einfache gleitende Durchschnitt
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
MehrAnalyse von Querschnittsdaten. Spezifikation der unabhängigen Variablen
Analyse von Querschnittsdaten Spezifikation der unabhängigen Variablen Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Annahmen gegeben? kategoriale Variablen Datum 3.0.004 0.0.004
MehrSBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2
Inhalt SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2 1. Teil: Zerlegungsmodelle und naive Prognosemethoden für Zeitreihen Regina Tüchler Einleitung 1. Einführung in das Modellieren von
MehrVorwort Abbildungsverzeichnis Teil I Mathematik 1
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis V XIII Teil I Mathematik 1 1 Elementare Grundlagen 3 1.1 Grundzüge der Mengenlehre... 3 1.1.1 Darstellungsmöglichkeiten von Mengen... 4 1.1.2 Mengenverknüpfungen...
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
Mehr2 Anwendungen und Probleme
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor 2 Anwendungen
MehrSchätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrÖkonometrie. Hans Schneeweiß. 3., durchgesehene Auflage. Physica-Verlag Würzburg-Wien 1978 ISBN
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Hans Schneeweiß Ökonometrie 3., durchgesehene Auflage Physica-Verlag
Mehrdie täglichen Schlusskurse eines börsengehandelten Wertpapiers,
Wirtschaftswissenschaftliches Zentrum 5 Universität Basel Statistik Dr. Thomas Zehrt Zeitreihen Motivation Typische Beispiele für Zeitreihen sind die täglichen Schlusskurse des SMI Nummer 1 2 3 4 5 Datum
MehrZeitreihenanalyse Exponentielles Glätten
Zeitreihenanalyse Exponentielles Glätten Worum geht es in diesem Lernmodul? Einleitung Prognose mit der Methode des exponentiellen Glättens Die Prognoseformel des exponentiellen Glättens Die Wirkung der
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrKapitel 1 Einführung. Angewandte Ökonometrie WS 2012/13. Nikolaus Hautsch Humboldt-Universität zu Berlin
Kapitel 1 Einführung Angewandte Ökonometrie WS 2012/13 Nikolaus Hautsch Humboldt-Universität zu Berlin 1. Allgemeine Informationen 2 17 1. Allgemeine Informationen Vorlesung: Mo 12-14, SPA1, 23 Vorlesung
MehrTechnische Universität München. Prognoseverfahren. Mit PC-Unterstützung Tendenzen und Prognose in der Forstwirtschaft erkennen
Prognoseverfahren Mit PC-Unterstützung Tendenzen und Prognose in der Forstwirtschaft erkennen Definition und Fragen Was ist eine Prognose, was ein Trend Wo werden sie angewandt und zu welchem Zweck Relevanz
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
MehrWangerooge Fahrplan 2015 Fahrzeit Tidebus 50 Minuten, Schiff und Inselbahn ca. 90 Minuten.
Fahrplan Dezember 2014 Januar Januar Februar Februar März März Sa, 27.12. 12.30 13.30 11.30 13.30 16.00 14.00 15.45 15.30 16.30 16.50 So, 28.12. 12.30 14.15 12.15 14.30 15.30 16.45 14.45 16.30 17.15 17.35
MehrGrundwissen Mathematik Klasse 8
Grundwissen Mathematik Klasse 8 1. Funktionen allgemein (Mathehelfer 2: S.47) Erstellen einer Wertetabelle bei gegebener Funktionsgleichung Zeichnen des Funktionsgraphen Ablesen von Wertepaaren ( x / f(x)
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge 40 60 80 Bivariater Zusammenhang: Zusammenhang zwischen zwei Variablen weight (kg) Gibt es einen Zusammenhang zwischen Größe & Gewicht? (am Beispieldatensatz) Offensichtlich positiver
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
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
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
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,
MehrBasiswissen Mathematik, Statistik. und Operations Research für. Wirtschaftswissenschaftler. von. Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen
Basiswissen Mathematik, Statistik und Operations Research für Wirtschaftswissenschaftler von Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen 5., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis
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
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrProblemstellung und Lernziele
Nachfrageprognose Problemstellung und Lernziele Inwiefern können Serviceunternehmen durch Nachfrageprognosen einen Wettbewerbsvorteil erwirtschaften? Nach dieser Veranstaltung sollten Sie, die wichtigsten
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrVorbereitung auf 3. Übungsblatt (Präsenzübungen) - Lösungen
Prof Dr Rainer Dahlhaus Statistik 1 Wintersemester 2016/2017 Vorbereitung auf Übungsblatt (Präsenzübungen) - Lösungen Aufgabe P9 (Prognosen und Konfidenzellipsoide in der linearen Regression) Wir rekapitulieren
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrAnnahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Thema: Vergleich verschiedener Prognosestrategien von Tobias Fochtmann Betreuer: Dr. Ribbecke 24.01.2008 Gliederung I. Einleitung II. Prognose allgemein und
MehrBachelorprüfung WS 2012/13 - MUSTERLÖSUNG
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Bachelorprüfung WS 2012/13 - MUSTERLÖSUNG Fach: Praxis der empirischen Wirtschaftsforschung Prüfer: Prof. Regina
MehrInhaltsverzeichnis. Vorwort 13. Teil I Beschreibende Statistik 17. Kapitel 1 Statistische Merkmale und Variablen 19
Inhaltsverzeichnis Vorwort 13 Teil I Beschreibende Statistik 17 Kapitel 1 Statistische Merkmale und Variablen 19 1.1 Statistische Einheiten und Grundgesamtheiten 19 1.2 Merkmale und Merkmalsausprägungen
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Mehr2.3 Nichtlineare Regressionsfunktion
Nichtlineare Regressionsfunktion Bisher: lineares Regressionsmodell o Steigung d. Regressionsgerade ist konstant o Effekt einer Änderung von X auf Y hängt nicht vom Niveau von X oder von anderen Regressoren
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
Mehrunendlich-dimensionalen lästigen Parameter auffassen.
Näherungen mit Bootstrap Werner Stahel, Seminar für Statistik, ETH Zürich, 8. 4. 2009 Dieser Text kann dazu dienen, die Ideen des Bootstrap zusammenzufassen. Es fehlen hier Beispiele. 1 Fragestellung a
MehrStatistik I für Wirtschaftswissenschaftler Klausur am ,
1 Statistik I für Wirtschaftswissenschaftler Klausur am.1.1, 13.45 15.45. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrSchätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte : Schätzung Statistik
MehrSchätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief. Statistik II
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Wiederholung Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte
MehrBachelorprüfung WS 2012/13
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Fach: Praxis der empirischen Wirtschaftsforschung Prüfer: Prof. Regina T. Riphahn, Ph.D. Bachelorprüfung WS 2012/13
MehrStochastische Prozesse und Zeitreihenmodelle
Kapitel 12 Stochastische Prozesse und Zeitreihenmodelle Department of Statistics and Mathematics WU Wien c 2008 Statistik 12 Stochastische Prozesse und Zeitreihenmodelle 0 / 53 Inhalt Notation Zusammenhang
Mehr