6.6 Tests auf Ausreißer
|
|
- Erwin Kaufer
- vor 6 Jahren
- Abrufe
Transkript
1 1 6 Numerche Tetverfahren 6.6 Tet auf ureßer ureßer n Etremwerte n ener Stchprobe, e unnatürlch wet von en aneren Mermalwerten entfernt legen un be enen aher angenommen weren mu, a e ncht au erelben Grungeamthet tammen we e übrgen Werte. ureßer müen e unahme en. Wr bem uwerten erelben Mermale mmer weer en ureßer gefunen, o tmmt vermutlch e voraugeetzte Vertelungform ncht. De been folgenen Tetverfahren auf ureßer etzen aher vorau, a e Mermalwerte au ener normalvertelten Grungeamthet tammen. De t erfahrunggemäß beannt oer wr urch enen entprechenen Tet überprüft. uch un gerae be er volleletronchen Mewerterfaung un -auwertung ann auf olche Tetverfahren ncht verzchtet weren. De Urachen für ureßer n velfältg: zu früh betätgte Tater be er Mewertübernahme hängen geblebene Mewertaufnehmer eletrche Störmpule mechanche Erchütterungen Schmutz am Prüfobjet etc. Gefunene ureßer önnen n begrüneten Fällen für e uwertung elmnert weren. De Werte elbt ollten erhalten bleben un mt ener emerung verehen weren. Hnwe: In er Pra gbt e mmer weer Duonen, ob ureßer automatch für ene uwertung aufgrun er Ergebne ene Tet auf ureßer entfernt weren ollen oer ncht. Prnzpell t von ener automatchen Elmnerung von Mewerten abzuehen. Kennt man allerng enen Proze ehr genau un n e Urachen für enen ureßer beannt, ann man urchau vom oben genannten Prnzp abwechen. Oftmal n ogar ene Tetverfahren erforerlch, um ureßer zu erennen. Überoer unterchretet bepelwee en Mewert ene vorefnerte Plaubltätgrenze, o ann eer al ureßer angeehen un für e uwertung elmnert weren.
2 6.6 Tet auf ureßer 13 Tet auf ureßer nach Dav, Hartley un Pearon Nullhypothee H 0 lternatvhypothee H 1 Weer er Größtwert ma noch er Klentwert mn t en ureßer. lternatvhypothee Entweer er Größtwert ma oer er Klentwert mn t en ureßer. De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert.o. R > 1 α ; n. [37] Sollte e Nullhypothee verworfen weren, o t er Etremwert mt em größeren btan zum arthmetchen Mttelwert en ureßer. Nur be glechem btan beer Etremwerte zum Mttelwert weren aufgrun enmalger Prüfung bee Werte zuglech al ureßer erannt. Wr en Wert al ureßer elmnert, o t er Tet mt en verblebenen Werten zu weerholen. bblung 6.6-1: Tet auf ureßer nach Dav, Hartley, Pearon Für en vorlegenen Datenatz ergbt ch al Prüfgröße 7, Verglchen mt en rtchen Werten e Tet auf ureßer nach Dav, Hartley, Pearon t a Ergebn Nullhypothee wr zum Nveau α 1% verworfen.
3 14 6 Numerche Tetverfahren Tet auf ureßer nach Grubb Nullhypothee H 0 lternatvhypothee H 1 Der Klentwert bzw. er Größtwert t en ureßer. lternatvhypothee Der Klentwert bzw. er Größtwert t en ureßer. De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert.o. enetg für Klentwert (1).o. enetg für Größtwert (n) 1 ( n) ( ) > 1 α ;n > 1 α ;n. [37] Wr en ureßer fetgetellt, o t e volltänge uwertung mt en retlchen Werten zu weerholen. bblung 6.6-: Tet auf ureßer nach Grubb Für en vorlegenen Datenatz ergbt ch al Prüfgröße 3, Verglchen mt em rtchen Wert e Tet auf ureßer nach Grubb t a Ergebn Nullhypothee wr zum Nveau α 5% verworfen.
4 6.6 Tet auf ureßer 15 Hampel-Tet De Haupturache für a Veragen e Grubb-Tet t e Schätzung e Mttelwert un er Stanarabwechung. Etreme eobachtungen,.h. potentelle ureßer, haben enen enormen Effet auf ee Werte. eer wäre e emnach, robute Schätzungen zu verwenen. ntatt e Mttelwert legt e nahe, en Mean zu wählen. uch für e Streuung etert en robuter Schätzer, er ogenannte MD (Mean er aboluten bwechungen vom Mean oer Mean bolute Devaton). ezechnet m = mean (,..., n ) en Mean er Stchprobe,..., n, ann t er MD efnert al: MD (,..., n ) = mean ( -m,..., n -m )/0,6745. Damt er MD e Stanarabwechung chätzt, mu abe urch e Kontante 0,6745 vert weren. De neue Tettatt t ann: R = m MD Deer Tet wure von Hampel unterucht un wr ehalb Hampel-Tet genannt. Sene nwenung t analog zum Grubb-Tet. lle eobachtungen, e m ureßerberech begrenzt urch m ± T n,α MD legen, bezechnet man al ureßer gemäß Hampel-Tet. De rtchen Schranen T n,α wuren mt Hlfe von Smulatonen betmmt. Für Fehlerwahrchenlcheten α = 5 % un α = 1 % n olche Werte für vercheene Stchprobenumfänge n n Tabelle aufgeführt. l allgemen gültge grobe Fautregel ann für e rtche Schrane er Wert 5 verwenet weren. Für en vorlegenen Datenatz ergbt ch al Prüfgröße 4,3971. Verglchen mt en rtchen Werten e Tet nach Hampel t a Ergebn Nullhypothee wr zum Nveau α 5% verworfen. bblung 6.6-3: Tet nach Hampel
5 16 6 Numerche Tetverfahren 6.7 Verglech von Varanzen un Mttelwerten Weren Mewerte von unterchelchen Leferungen un Loen owe e Fertgung von glechen Telen auf vercheenen Machnen bzw. n unterchelchen Zeträumen erfat, o repräenteren ee en entprechenen Sachverhalt. Dabe tellt ch e Frage, ob ch bepelwee e Varanz aufgrun er unterchelchen Stuatonen veränert hat oer ncht. Dazu gbt e Tetverfahren, e e Glechhet er Varanz au zwe bzw. mehr Stchproben unteruchen. nalog azu ann gefragt weren, ob e Mttelwerte zweer Grungeamtheten glech n oer ncht. Dabe wr zuätzlch untercheen, ob e Varanzen er Grungeamtheten n. unbeannt un glech, unbeannt un unglech Normalvertelte Mewertrehen Für normalvertelte Mewertrehen ergeben ch je nach ufgabentellung folgene Tetverfahren: bblung 6.7-1: Tetverfahren tetge Vertelungen (normalvertelt)
6 6.7 Verglech von Varanzen un Mttelwerten 17 Verglech er Varanzen von zwe Grungeamtheten (F-Tet) ufgrun zweer Stchprobenvaranzen un oll überprüft weren, ob ch e Varanzen er been Grungeamtheten weentlch vonenaner untercheen. Dee Tetverfahren wr auch al F-Tet bezechnet. Dee Verfahren wr be er Prozeanalye verwenet, um urch e nalye von Varanzen fetzutellen, ob er Mttelwert er Grungeamthet über e Zet al ontant angeehen weren ann. Nullhypothee H 0 lternatvhypothee H 1 σ = σ bzw. σ σ σ σ bzw. σ < σ lternatvhypothee De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert σ σ F 1 ;f 1;f zweetg > α f 1 = n 1 σ >σ enetg F1 ;f 1;f > α f = n 1 Hnwe: De Inzerung t mmer o zu wählen, a e größere Varanz zugeornet wr. bblung 6.7-: F-Tet Für en vorlegenen Datenatz ergbt ch al Prüfgröße, Verglchen mt en rtchen Werten e F-Tet t a Ergebn Nullhypothee wr zum Nveau α 1% verworfen.
7 18 6 Numerche Tetverfahren Verglech er Varanzen mehrerer Grungeamtheten (artlett-tet) Nullhypothee H 0 lternatvhypothee H 1 σ 1 = σ = = σ = σ σ σ für mneten en Paar (, j) j Vorauetzung: f 5 lternatvhypothee De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert.o. mt 1 c > fln 1 f = c f f f g f 1 f /f g 1 1 g χ 1;1 α bblung artlett-tet
8 6.7 Verglech von Varanzen un Mttelwerten 19 Verglech er Mttelwerte zweer Grungeamtheten, be er e Varanzen unbeannt un unglech n (t-tet) Nullhypothee H 0 lternatvhypothee H 1 = > < erechnung er Hlfgröße: n n 1 lternatvhypothee De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert zweetg > enetg < enetg > t α 1 ;f > t1 α ;f < t1 α ;f 1 c 1 c f n 1 n 1 mt n c n n bblung 6.7-4: t-tet Für en vorlegenen Datenatz ergbt ch al Prüfgröße 1, Verglchen mt en rtchen Werten e t-tet t a Ergebn Nullhypothee wr ncht werlegt.
9 0 6 Numerche Tetverfahren Verglech er Mttelwerte mehrerer Grungeamtheten mt unbeannten, aber al glech voraugeetzten Varanzen σ (enfache NOV) lternatvhypothee Nullhypothee H 0 lternatvhypothee H 1 1 = = = j für mneten en Paar (, j) De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert.o. n n 1 1 n 1 1 F > 1 α ;f 1;f f 1 1 f n mt 1 1 n n 1 n 1 n bblung 6.7-5: enfache NOV
10 6.7 Verglech von Varanzen un Mttelwerten 1 Verglech er Mttelwerte zweer Grungeamtheten, be enen e Varanzen unbeannt, aber glech n (Zwetchproben t-tet) Nullhypothee H 0 lternatvhypothee H 1 = > < erechnung er Hlfgröße: ( ) ( ) fall n = n = n: lternatvhypothee n 1 + n 1 n + n = n + n n n = + n De Nullhypothee H 0 wr zugunten er lternatvhypothee H 1 verworfen, fall H 1 Prüfgröße rtcher Wert zweetg > enetg < enetg > t α 1 ;f > t1 α ;f < t1 α ;f f n n bblung 6.7-6: Zwetchproben t-tet
Validierung der Software LaborValidate Testbericht
Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton
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;
MehrProdukt-Moment-Korrelation (1) - Einführung I -
Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...
MehrMethoden zur Bewertung von Credit Default Swaps
Methoen zur Bewertung von Cret Default Swas Dr. Walter Gruber ( PLUS GmbH); Sylva Lause (Sarasse Hannover) Inhalt Enführung... Moell er Dscounte Sreas... 3 Moell er Ajuste Sreas... 4 Moell von JPMorgan...
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
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
MehrGeld- und Finanzmärkte
Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrProximitätsmaße Strategieoptionen unter Missing Values
Protätaße Strategeoptonen unter ng Value Dpl.-Wrtch.-Ing. attha Runte Unvertät Kel, Lehrtuhl für arketng Wetrng 45, 4098 Kel Tel 043/880-535 Eal: attha@runte.e URL: http://www.runte.e/attha attha Runte:
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
Mehr.RQ]HSWI UGLH,PSOHPHQWLHUXQJHLQHU2QOLQH6XFKH DXIHLQHPJUR HQ'DWHQEHVWDQG
a.rq]hswi UGLH,PSOHPHQWLHUXQJHLQHU2QOLQH6XFKH DXIHLQHPJUR HQ'DWHQEHVWDQG,QKDOWVYHU]HLFKQLV A Aufgabentellung & Ziel... 2 B Allgemeine Har- un Softwareanforerungen... 2 B.1 RDBMS (Datenbankytem)... 2 B.2
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:
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
MehrMultiple Regression (1) - Einführung I -
Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da
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
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrAnwendungsmöglichkeiten von Lernverfahren
Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen
MehrOnline-Services Vorteile für Mandanten im Überblick
Onlne-ervces Vortele für en m Überblck teuerberechnung Jahresbschluss E-Mal Dgtales Belegbuchen Fgur-enzeln De Entfernung zu Ihrem Berater spelt mt deser Anwendung kene Rolle mehr. Und so funktonert s:
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
Mehr14 Überlagerung einfacher Belastungsfälle
85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung
MehrOnline-Services Vorteile für Mandanten im Überblick
Onlne-ervces Vortele für en m Überblck Fgur-enzeln E-Mal Dgtales Belegbuchen Fgur-Gruppe teuerberater austausch mt Kassenbuch der Fnanzverwaltung onlne hreschluss Jahresbschluss De Entfernung zu Ihrem
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrDer Satz von COOK (1971)
Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls
MehrUNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.
UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
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
Mehr2. Postkeynesianische Wachstumstheorie
14 2. Potkeyneianiche Wachtumtheorie 2.1 Einkommen- un apazitäteffekt Theoreticher Anknüpfungpunkt er potkeyneianichen Wachtumtheorie it er Doppelcharakter er Invetitionen. In er auf eine kurze Frit konzipierte
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
Mehr1 s. 1 s. 1 k. n j. j = Wärmedurchgang durch eine mehrschichtige, ebene Wand:
Wärmeurchgg urch ee mehrchchtge, ebee W: ugehe vo er Löug er Fourer'che Dfferetlglechug für e Wärmetrport urch ee ebee Wfläche : A T ergbt ch ru für ee mehrchchtge, ebee Wfläche: A ru wr e Wärmeurchggwertzhl
MehrBackup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1
Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
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
MehrStatistik für Ingenieure (IAM) Version 3.0/21.07.2004
Stattk fü Igeeue (IAM) Veo 74 Vaazaalye Mt de efache Vaazaalye (ANOVA Aaly of Vaace) wd de Hypothee gepüft, ob de Mttelwete zwee ode mehee Stchpobe detch d, de au omaletelte Gudgeamthete gezoge wede, de
Mehr1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl
0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de
MehrAlgorithmische Bioinformatik
Algorthmche Bonformatk HMM Algorthmen: Forward-Backward Baum-Welch Anwendung m equenzalgnment Ulf Leer Wenmanagement n der Bonformatk Formale Defnton von HMM Defnton Gegeben Σ. En Hdden Markov Modell t
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrModellbildung und Simulation
/8 Modellbldung und Smulaton Grundätzlche Be der Modellerung komplexer Syteme ollte nach folgenden Schrtten ytematch vorgegangen werden (ehe z. B. [] ):. Zuammentragen der Vorgaben Zel: Sammeln und Aufbereten
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
MehrErgänzende Bedingungen
Ergänzende Bedngungen der zu den Allgemenen Anschlussbedngungen n Nederspannung gemäß Nederspannungsanschlussverordnung (NAV) vom 1. Januar 2012 Inhaltsüberscht I. 1. BAUKOSTENZUSCHÜSSE (BKZ) GEMÄß 11
Mehr1. Anwartschaften und Optionen... 2. 1.1 Kurzfristige Anwartschaftsversicherung... 2. 1.2 Teilanwartschaftsversicherung... 9
Anwartchaften und Optonen. 1 1. Anwartchaften und Optonen.... 2 1.1 Kurzfrtge Anwartchaftercherung.... 2 1.2 Teanwartchaftercherung.... 9 1.3 Roanwartchaftercherung.... 11 1.4 Optonercherung Optonzuchag....
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
MehrEAU SWH l$,0, wohngebäude
EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude
MehrW i r m a c h e n d a s F e n s t e r
Komfort W r m a c h e n d a s F e n s t e r vertrauen vertrauen Set der Gründung von ROLF Fensterbau m Jahr 1980 snd de Ansprüche an moderne Kunststofffenster deutlch gestegen. Heute stehen neben Scherhet
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrRisikomanagement. Vortrag in der Seminarreihe Statistische Mechanik der Finanzmärkte im WS 07/08. Simon Hertenberger
Rskomanagement Vortrag n der Semnarrehe Statstsche Mechank der Fnanzmärkte m WS 07/08 Smon Hertenberger Inhaltsverzechns Grundlagen Was st Rsko? 3 Gründe des Rskomanagements 3 Rskomanagement als Prozess
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
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
Mehr3.1 Grundlagen der Multivariaten Modellierung
Semnar: Quanttatves Rskomanagement Multvarate Moelle I Prof: Hanspeter.Schml Betreuung: Jula Esenberg Zhou,Yng 3. Multvarate Moelle I Fnanzelle Rskomoelle für en Absatzmarkt oer für Kretrsken sn grunsätzlch
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrWIFI WIEN AKTUELL Oktober November 2007
A. k 8 a 2 l u WIFI WIEN AKTUELL Oktober November 2007 E-Mal reben und Bldunutene m Wert von 5x200 Euro ewnnen Näere dazu auf der näten Sete Berufl neller vorankommen? Jetzt wll wen! Kotenloe Informatonverantaltunen
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
MehrKurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA
B.K.L. - Integratnervce für ffene Syteme Kurznfrmatn zu ergänzenden Mdulen und Dentletungen der B.K.L.- bem Enatz vn SER DOMEA Stand: 5/2003 De B.K.L.- t et velen Jahren DOMEA -Partner und hat für Kunden
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
MehrPersonelle Einzelmaßnahmen - 99 BetrVG. Eingruppierung G 4 G 3 G 2 G 1 G 4. Bei Neueinstellungen oder Arbeitsplatzwechsel. Personelle Einzelmaßnahmen
- 99 BetrVG Enstellung Engrupperung Umgrupperung Versetzung 95 Abs. 3 BetrVG G 4 G 4 G 3 G 2 G 1 G 3 G 2 G 1 neue Arbetsverhältnsse Verlängerung befrsteter AV Umwandlung n unbefrstete AV Beschäftgung von
MehrStandortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung
Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten
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
MehrElektrische Antriebstechnik
lektrche ntrebtechnk Prof. Dr.-Ing. oachm Böcker Skrpt zur Vorleung Stand vom 8.0.05 Unvertät Paderborn Fachgebet etungelektronk und lektrche ntrebtechnk Dee Skrpt t vornehmlch für de Studenten der Unvertät
Mehr1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit
3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen
MehrTabellarische Und Grafische Zusammenfassung 1-Dimensionaler Daten Daten. Quantitativ
Tabellarce Und Grafce Zuammenfaung -Dmenonaler Daten Daten Qualtatv Quanttatv Aupräg a Ab. kettabelle Auprägung Ab. /. keten Stab- Dagramm Kre- Dagramm : f / Dkret kettabelle Auprägung Ab. /. keten Kumulerte
MehrOperations Research II (Netzplantechnik und Projektmanagement)
Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrTemporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R
Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane
Mehr1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik
Bundeswettbewerb Mathemat Wssenschaftszentrum Postfach 2 14 48 53144 Bonn Fon: 228-9 59 15-2 Fax: 228-9 59 15-29 e-mal: nfo@bundeswettbewerb-mathemat.de www.bundeswettbewerb-mathemat.de Korreturommsson
MehrKlassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen
Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und
MehrDie Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern
Mehrphil omondo phil omondo Skalierung von Organisationen und Innovationen gestalten Sie möchten mehr Preise und Leistungen Workshops und Seminare
Skalerung von Organsatonen und Innovatonen gestalten phl omondo Se stehen vor dem nächsten Wachstumsschrtt hrer Organsaton oder haben berets begonnen desen aktv zu gestalten? In desem Workshop-Semnar erarbeten
Mehr9 Diskriminanzanalyse
9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
MehrVersuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells
Versuch C2: Monte-Carlo Smulatonen enes Ferromagneten m Rahmen des Isng-Modells 15. November 2010 1 Zelstellung Es glt de Temperatur des Phasenüberganges zwschen dem ferro- und paramagnetschen Verhalten
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
MehrAusbildungsTickets 2008/09. SparTickets für Schüler, Azubis und Studenten. Weitersagen: Wer clever ist, kommt besser weg. Gemeinsam mehr bewegen.
AusbldungsTckets 2008/09 SparTckets für Schüler, Azubs und Studenten Wetersagen: Wer clever st, kommt besser weg. Gemensam mehr bewegen. Auf große Fahrt für klenes Geld Schüler, Auszubldende und Studenten
MehrHat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?
Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe
MehrW08. Wärmedämmung. Q = [λ] = W m -1 K -1 (1) d Bild 1: Wärmeleitung. Physikalisches Praktikum
W08 Physklsches Prktkum Wärmedämmung En Modellhus mt usechselbren Setenänden dent zur Bestmmung von Wärmedurchgngszhlen (k-werten) verschedener Wände und Fenster soe zur Ermttlung der Wärmeletfähgket verschedener
Mehr