Klausur STATISTIK 2 für Diplom VWL
|
|
- Monika Koenig
- vor 8 Jahren
- Abrufe
Transkript
1 Klausur STATISTIK 2 für Diplom VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen mehrere Antworten richtig sein können. Kreuzen Sie alle richtigen Antworten in den Kästchen unterhalb der Aufgabe an. Sind alle Kreuze richtig, erhalten Sie für die Aufgabe 3 Punkte. Jede Abweichung ergibt 1,5 Punkte Abzug. Es werden keine negativen Punktezahlen vergeben, Sie erhalten also für jede Aufgabe mindestens 0 Punkte. Wenn Sie keine Antwort ankreuzen, gilt die Aufgabe als nicht bearbeitet und Sie erhalten 0 Punkte. Teil B enthält ausführlich zu lösende Aufgaben. Nur mit der Darstellung der einzelnen Rechenschritte oder der Begründung Ihrer Vorgehensweise kann die volle Punktzahl erreicht werden. Zulässige Hilfsmittel: Nicht programmierbarer Taschenrechner, Lehrbuch von Schira, gebundene Ausgabe (gelb) des Skriptes Ökonometrie und eine handschriftlich von Ihnen selbst beschriebene Seite im DIN A4 Format ( Spickzettel, kann auf beiden Seiten beschrieben sein). Teil A umfasst 8 Aufgaben und Teil B umfasst 2 Aufgaben. Bitte überprüfen Sie die Vollständigkeit Ihres Exemplars. Die maximal zu erreichende Punktzahl ist 60, davon können maximal 24 Punkte in Teil A und maximal 36 Punkte in Teil B erreicht werden. Studierende im Diplomstudiengang VWL bestehen mit mindestens 24 erreichten Punkten die Klausur. Die Bearbeitungszeit dieser Klausur beträgt 120 Minuten. Auswertung - Teil A Aufgabe Erreichte Punktzahl Auswertung - Teil B Aufgabe 1 2 Erreichte Punktzahl Erreichte Gesamtpunktzahl 1
2 Teil A (24 Punkte) A.1 Welche der folgenden Aussagen zum Zensus 2011 in Deutschland treffen zu? A) Der Zensus 2011 ist eine klassische Volkszählung. Alle in Deutschland lebenden Menschen werden befragt. B) Im Rahmen des Zensus 2011 wird nur eine Teilstichprobe von weniger als 10% der Bevölkerung in der Haushaltsbefragung persönlich befragt. Die Hochrechnung auf die Gesamtbevölkerung erfolgt über einen Abgleich der Melderegister. C) Im Rahmen des Zensus 2011 sollen alle Gebäude und Wohnungen in Deutschland durch eine Befragung der Eigentümer erfasst werden. D) Wenn sich zwischen den Daten aus den Melderegistern und den Befragungsdaten Unterschiede in persönlichen Merkmalen ergeben, meldet dies das Statistische Bundesamt für jeden Einzelfall an die Einwohnermeldeämter zurück, damit diese die Melderegister korrigieren können. A B C D A.2 Eine normalverteilte Zufallsvariable habe den Erwartungswert µ = 5 und die Standardabweichung σ = 3. Die transformierte Variable W sei definiert als W = 2( 5). A) E(W ) = 0 B) Die Wahrscheinlichkeit, dass W zwischen 6 und 6 liegt, beträgt D(2) = 0, 95 (auf zwei Nachkommastellen gerundet). C) V ar(w ) = 18 D) Das untere Dezil (das 10%-Quantil) von W beträgt 9, 9 (auf eine Nachkommastelle gerundet). A B C D 2
3 A.3 Es sei das logarithmierte Einkommen ln(y ) normalverteilt mit Erwartungswert m = 7, 1 und Varianz s 2 = 6, 76. A) E(Y ) = 2312 (gerundet) B) E(Y ) = (gerundet) C) Der Median von Y ist 1212 (gerundet). D) Das obere Quartil von Y ist 3,5-mal so groß wie das untere Quartil (auf eine Nachkommastelle gerundet). A B C D A.4 Aus Erfahrung in der Produktion von Leuchtdioden wissen Sie, dass die Wahrscheinlichkeit, eine defekte Leuchtdiode zu produzieren, p = 0, 2% beträgt. Zur Qualitätskontrolle testen Sie die Funktionsfähigkeit von n = 100 Leuchtdioden aus der Produktion. Es sei H 100 der Anteil der defekten Leuchtdioden in der Stichprobe. Unterstellen Sie, dass die Funktionsfähigkeit jeder dieser Leuchtdioden unabhängig und identisch verteilt ist. A) Wenn Sie exakt mit der Binomialverteilung rechnen, erhalten Sie P (H 100 1%) = 17, 6% (auf eine Nachkommastelle gerundet). Hinweis: Betrachten Sie das Gegenereignis. B) Wenn Sie die Normalverteilung als Näherungsverteilung ohne Stetigkeitskorrektur verwenden, erhalten Sie P (H 100 1%) = 11, 2% (auf eine Nachkommastelle gerundet). C) Wenn Sie die Normalverteilung als Näherungsverteilung mit Stetigkeitskorrektur verwenden, erhalten Sie P (H %) = 18, 4% (auf eine Nachkommastelle gerundet). D) Die Antworten A) bis C) sind falsch. A B C D 3
4 A.5 Es soll geprüft werden, ob das obere Quartil (das 75%-Quantil) der Benzinpreise in Südbaden e 1,55 pro Liter überschreitet. Eine Stichprobe von 20 Tankstellen erbrachte 9 Beobachtungen, bei denen der Preis oberhalb von e 1,55 pro Liter liegt. V + sei die Anzahl der Tankstellen, für die der Preis oberhalb von e 1,55 liegt. Die Nullhypothese H o besagt, dass das obere Quartil e 1,55 pro Liter entspricht. Hinweis: Beachten Sie zur Beantwortung dieser Frage den Anhang zur Aufgabe A.5 A) Unter H o gilt, dass V + der Verteilung Bi(20 ; 0, 25) folgt. B) Unter H o gilt, dass V + der Verteilung Bi(20 ; 0, 75) folgt. C) Unter H o gilt, dass F Bi (9) = 0, 96 (auf zwei Nachkommastellen gerundet). D) Bei einem Signifikanzniveau von α = 5% liegt das obere Quartil nicht signifikant über e 1,55 pro Liter. A B C D Anhang zu Aufgabe A.5 TSP Programm set n = 20;? Parameter n der Binomialverteilung set p = 0.25;? Parameter p der Binomialverteilung freq n; set np1 = n+1; smpl 1 np1; trend x; x = x-1; fx = fact(n)/(fact(x)*fact(n-x)) * p**x * (1-p)**(n-x); cdf = fx; smpl 2 np1; 4
5 cdf = cdf(-1) + fx; smpl 1 np1; title Binomial Verteilung Bi(n,p) fuer ; print n p; print x fx cdf; TSP Output basierend auf dem obigen Programm Binomial Verteilung Bi(n,p) fuer ================================ N P Value F CDF D D D D D D
6 A.6 Das Zuckerunternehmen ZU verwendet bisher die Zuckerabfüllmaschine des Typs ZA1. ZU erwägt, eine neue Zuckerabfüllmaschine des Typs ZA2 zu kaufen, da der Hersteller von ZA2 verspricht, dass die neue Maschine die Abfüllung der 1kg-Zuckerpakete mit geringerer Streuung vornimmt. Bevor ZU eine Entscheidung fällt, lässt es jeweils 100 Zuckerpakete mit ZA1 und mit dem Prototyp von ZA2 abfüllen und wiegen. Bei ZA1 ergibt sich eine Stichprobenvarianz von s 2 1 = 0, 24g 2 und bei ZA2 ergibt sich eine Stichprobenvarianz von s 2 2 = 0, 21g 2. Es seien σ 2 1 und σ 2 2 die wahren Varianzen von ZA1 und ZA2. Unterstellen Sie weiter, dass die Abfüllmengen bei beiden Maschinen unabhängig und identisch normalverteilt sind. A) Um die Behauptung des Herstellers von ZA2 zu überprüfen, muss ZU folgende Hypothese testen: H 0 : σ 2 1 σ 2 2 gegen H 1 : σ 2 1 < σ 2 2. B) Um die Behauptung des Herstellers von ZA2 zu überprüfen, muss ZU folgende Hypothese testen: H 0 : σ 2 1 σ 2 2 gegen H 1 : σ 2 1 > σ 2 2. C) Die Prüfgröße entspricht 1,14 (auf zwei Nachkommastellen gerundet). Dies ist kleiner als der kritische Wert der F-Verteilung F99 99 [0, 95] = 1, 4 (auf eine Nachkommastelle gerundet). Bei einem Signifikanzniveau von α = 5% gibt es keine signifikante Verkleinerung der Varianz durch den Einsatz von ZA2. D) Die Prüfgröße entspricht 1,14 (auf zwei Nachkommastellen gerundet). Dies ist größer als der kritische Wert der F-Verteilung F99 99 [0, 05] = 0, 7 (auf eine Nachkommastelle gerundet). Bei einem Signifikanzniveau von α = 5% gibt es eine signifikante Abweichung von der Nullhypothese. A B C D A.7 Aus den 100 Beobachtungen zum Modell Y = α + β + U, in dem Störvariablen unabhängig mit Erwartungswert E(U ) = 0 und gleicher Varianz normalverteilt sind, wurden folgende Werte berechnet: yi = 130, 54 ; x i = 0, 2129 ; x 2 i = 114, 37 ; x i y i = 33, 174 Berechnen Sie die Kleinste-Quadrate-Schätzungen für α und β. A) ˆβ = 0, 29 (auf zwei Nachkommastellen gerundet) B) ˆβ = 0, 25 (auf zwei Nachkommastellen gerundet) C) ˆα = 1, 3 (auf eine Nachkommastellen gerundet) D) ˆα = 1, 4 (auf eine Nachkommastellen gerundet) A B C D 6
7 A.8 Im Anhang zu Aufgabe A.8 finden Sie ein TSP-Programm zur Analyse der Konjunkturlage und der Konjunkturerwartungen in West- und Ostdeutschland. Die Daten stammen aus der in den Vorlesungen Ökonometrie und Einführung in die Empirische Wirtschaftsforschung zu Semesterbeginn durchgeführten Umfrage, die Sie im PC-Pool analysiert haben. Variablenbeschreibung: F2 F3 F5 F6 gesamtwirtschaftliche Situation zur Zeit, Ostdeutschland gesamtwirtschaftliche Situation zur Zeit, Westdeutschland gesamtwirtschaftliche Situation mittelfristig, Ostdeutschland gesamtwirtschaftliche Situation mittelfristig, Westdeutschland A) Bei der Frage zu den Konjunkturerwartungen in Ostdeutschland haben 228 Studierende eine Einschätzung abgegeben. B) Die Konjunkturlage in Westdeutschland wird von den Studierenden besser als die Konjunkturerwartungen in Westdeutschland eingeschätzt (kein Hypothesentest). C) Die Konjunkturlage in Westdeutschland wird von den Studierenden signifikant schlechter (auf einem Signifikanzniveau von 5%) als die Konjunkturerwartungen in Westdeutschland eingeschätzt. D) Die Konjunkturlage in Ostdeutschland wird von den Studierenden signifikant schlechter (auf einem Signifikanzniveau von 5%) als die Konjunkturerwartungen in Ostdeutschland eingeschätzt. A B C D 7
8 Anhang zu Aufgabe A.8 TSP Programm dblist(doc) ku2010;? Infos zur TSP-Datenbank ku2010.tlb anzeigen lassen smpl 1 228; in ku2010; msd(terse,byvar) F2 F3 F5 F6; diffost = F5-F2; msd(terse,byvar) diffost; set tstat1 = abs(@mean)/(@stddev); print tstat1; set tstat2 = abs(@mean)/(@stddev/sqrt(@nobmsd)); print tstat2; diffwest = F6-F3; msd(terse,byvar) diffwest; set tstat3 = abs(@mean)/(@stddev); print tstat3; set tstat4 = abs(@mean)/(@stddev/sqrt(@nobmsd)); print tstat4; 8
9 TSP Output basierend auf dem obigen Programm Contents of Databank KU2010.TLB Class Name Description SERIES F1 260 obs., 1-260, N gesamtwirtschaftl. Situation z.zt. D-Gesamt F2 260 obs., 1-260, N gesamtwirtschaftl. Situation z.zt. Ost-D F3 260 obs., 1-260, N gesamtwirtschaftl. Situation z.zt. West-D F4 260 obs., 1-260, N gesamtwirtschaftl. Situation mittelfr. D-Gesamt F5 260 obs., 1-260, N gesamtwirtschaftl. Situation mittelfr. Ost-D F6 260 obs., 1-260, N gesamtwirtschaftl. Situation mittelfr. West-D... Univariate statistics ===================== *** WARNING in command 7 Procedure MSD: Missing values for series ====> F2: 31, F3: 11, F5: 22, F6: 10 Number of Observations: 228 Num.Obs Mean Std Dev Minimum Maximum F F F F *** WARNING in command 8 Procedure GENR: Missing values for series ====> F5: 22, F2: 31 9
10 Univariate statistics ===================== *** WARNING in command 9 Procedure MSD: Missing values for series ====> DIFFOST: 39 Number of Observations: 228 Num.Obs Mean Std Dev Minimum Maximum DIFFOST TSTAT1 = TSTAT2 = *** WARNING in command 14 Procedure GENR: Missing values for series ====> F6: 10, F3: 11 Univariate statistics ===================== *** WARNING in command 15 Procedure MSD: Missing values for series ====> DIFFWEST: 14 Number of Observations: 228 Num.Obs Mean Std Dev Minimum Maximum DIFFWEST TSTAT3 = TSTAT4 =
11 Teil B (36 Punkte) B.1 Ihnen liegt eine Stichprobe vom Umfang n der Zufallsvariablen i vor (i = 1,..., n). Die Zufallsvariablen i sind unabhängig und identisch Poisson-verteilt mit unbekanntem Parameter λ. Leiten Sie im Folgenden den Maximum-Likelihood-Schätzer für λ schrittweise ab. A) Schreiben Sie die Wahrscheinlichkeit, dass i einen Wert x i annimmt (also P ( i = x i )), als Funktion des unbekannten Parameters λ. Logarithmieren Sie P ( i = x i ) und bestätigen Sie, dass ln(p ( i = x i )) = x i ln(λ) λ ln(x i!) gilt. Beachten Sie, dass x i nur nicht negative ganze Zahlen annehmen kann. [1 Punkt] B) Schreiben Sie den Logarithmus der Likelihood-Funktion ln(l) als Summe der ln(p ( i = x i )). Erläutern Sie, dass ln(l i ) = ln(p ( i = x i )) den Beitrag der Beobachtung i zur logarithmierten Likelihood-Funktion darstellt. Interpretieren Sie kurz in eigenen Worten den mathematischen Ausdruck für ln(l) als Funktion des unbekannten Parameters λ. [2,5 Punkte] C) Bestimmen Sie den Wert von λ als Maximum-Likelihood-Schätzer, der ln(l) maximiert. Leiten Sie hierzu ln(l) nach λ ab und lösen Sie die Bedingung erster Ordnung nach λ auf. Welchen bekannten Schätzer für λ erhalten Sie? [2,5 Punkte] [6 Punkte] B.2 Die Schokoladenindustrie möchte die Bestimmungsfaktoren der Schokoladennachfrage wissen. Hierzu führt das Institut zur Erforschung der Schokoladennachfrage (ISN) eine repräsentative Befragung von 1111 Konsumenten in Südbaden durch. Auf Basis dieser Daten werden Regressionen zur Analyse der Schokoladennachfrage durchgeführt. Im Anhang zu Aufgabe B.2 werden deskriptive Statistiken und Kleinste-Quadrate-Regressionen aufgeführt, die mit TSP berechnet wurden. Die Variablen im zugrundeliegenden Datensatz sind wie folgt definiert: qschoko age p eink Schokoladenkonsum in kg während eines Jahres Alter in Jahren Preis für Schokolade (pro 100g) in e Monatseinkommen in e Im TSP Programm werden weitere Variablen definiert. 11
12 Beantworten Sie die folgenden Fragen unter Bezugnahme auf die Schätzergebnisse im Anhang zu Aufgabe B.2. Begründen Sie Ihre Antwort, bspw. indem Sie geeignete Tests durchführen. Ohne Begründung können keine Punkte erzielt werden. Erläutern Sie gegebenenfalls in Ihrer Antwort, welche zusätzlichen Annahmen notwendig sind bzw. welche zusätzlichen Informationen Sie benötigen. A) Wie hoch ist der durchschnittliche Schokoladenkonsum? Wie hoch sind jeweils der minimale und der maximale Schokoladenkonsum? Wie hoch ist der durchschnittliche Schokoladenpreis? Wie hoch ist das durchschnittliche Einkommen? Hinweis: Geben Sie präzise die Einheiten an. [ 2,5 Punkte] B) Interpretieren Sie ausführlich die in Equation 1 geschätzte Gleichung. Welche Koeffizienten sind signifikant? Was ist die ökonomische Interpretation der geschätzten Koeffizienten? Geben Sie für jeden Koeffizienten an, ob es sich um eine Elastizität oder um eine Semielastizität handelt? Beeinflusst der Preis den Schokoladenkonsum? Hängt der Schokoladenkonsum vom Einkommen ab? Hinweis: Befassen Sie sich erst in der folgenden Teilaufgabe C) ausführlich mit dem Einfluss des Alters. [ 7 Punkte] C) Beschreiben Sie den Einfluss des Alters auf den Schokoladenkonsum in Equation 1. Beschreiben und interpretieren Sie in diesem Zusammenhang die Ergebnisse der Hypothesentests zum Einfluss des Alters. [ 2,5 Punkte] D) Interpretieren Sie nun kurz die in Equation 2 geschätzte Gleichung. Ist es sinnvoll, Equation 2 anstelle von Equation 1 zu schätzen? Gibt es wesentliche Unterschiede in den Schätzergebnissen zwischen Equation 2 und Equation 1? [ 6 Punkte] E) Wie hoch ist der auf Basis von Equation 2 geschätzte durchschnittliche partielle Effekt des Alters auf den Schokoladenkonsum? Unterscheidet sich der geschätzte durchschnittliche partielle Effekt des Alters signifikant von Null? Wie hoch ist der geschätzte partielle Effekt des Alters auf den Schokoladenkonsum für eine Person im Alter von 18 Jahren? Hinweis: Geben Sie präzise die Einheiten der geschätzten partiellen Effekte an. [ 5 Punkte] F) Ein Schokoladenexperte am ISN möchte nicht die Effekte auf den Schokoladenkonsum in Logarithmen sondern die Effekte in kg wissen. Er sagt, dass die Schätzung der Effekte in kg die ökonomische Interpretation der Ergebnisse für die Schokoladenproduzenten erleichtert. Deshalb schätzt er Equation 3. Interpretieren Sie kurz die in Equation 3 geschätzte Gleichung. Wie hoch ist der auf Basis von Equation 3 geschätzte durchschnittliche partielle Effekt des Alters auf den Schokoladenkonsum? Stimmen Sie dem Schokoladenexperten am ISN dahin gehend zu, dass sich Equation 3 ökonomisch leichter interpretieren lässt? Hinweis: Geben Sie präzise die Einheiten der geschätzten partiellen Effekte an. [7 Punkte] [30 Punkte] 12
13 Anhang zu Aufgabe B.2 TSP-Programm... smpl ; msd(terse) age qschoko p eink; lqschoko = log(qschoko); lp = log(p); leink = log(eink); age2 = age**2; age3 = age**3; title Schätzung mit Logarithmen ; ols lqschoko c lp leink age age2 age3; title Tests zum Einfluss des Alters ; frml fage age; frml fage2 age2; frml fage3 age3; analyz(noconstr) fage fage2 fage3; analyz(noconstr) fage2 fage3; title Restriktives Modell ; ols lqschoko c lp age age2; title Geschaetzter partieller Effekt des Alters ; title fuer jede Beobachtung ; pe_age + 2*@coef(4)*age; msd(terse) pe_age; title Schätzung ohne Logarithmen ; ols qschoko c p eink age age2 age3; 13
14 title Geschaetzter partieller Effekt des Alters ; title fuer jede Beobachtung ; pe_age + 2*@coef(5)*age + 3*@coef(6)*age2; msd(terse) pe_age; 14
15 TSP-Output basierend auf dem obigen Programm Number of Observations: 1111 Univariate statistics ===================== Mean Std Dev Minimum Maximum AGE QSCHOKO P EINK Schätzung mit Logarithmen ========================= Equation 1 ============ Dependent variable: LQSCHOKO Number of observations: 1111 Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.021] Std. dev. of dep. var. = Durbin-Watson = [<.414] Sum of squared residuals = Jarque-Bera test = [.758] Variance of residuals = Ramsey s RESET2 = [.130] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.041] LP [.000] LEINK [.646] AGE E [.000] AGE E E [.001] AGE E E [.557] 15
16 Tests zum Einfluss des Alters ============================= Results of Parameter Analysis ============================= Standard Parameter Estimate Error t-statistic P-value FAGE E [.000] FAGE E E [.001] FAGE E E [.557] Wald Test for the Hypothesis that the given set of Parameters are jointly zero: CHISQ(3) = ; P-value = F Test for the Hypothesis that the given set of Parameters are jointly zero: F(3,1105) = ; P-value = Results of Parameter Analysis ============================= Standard Parameter Estimate Error t-statistic P-value FAGE E E [.001] FAGE E E [.557] Wald Test for the Hypothesis that the given set of Parameters are jointly zero: CHISQ(2) = ; P-value = F Test for the Hypothesis that the given set of Parameters are jointly zero: F(2,1105) = ; P-value =
17 Dependent variable: LQSCHOKO Number of observations: 1111 Restriktives Modell =================== Equation 2 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.021] Std. dev. of dep. var. = Durbin-Watson = [<.376] Sum of squared residuals = Jarque-Bera test = [.748] Variance of residuals = Ramsey s RESET2 = [.229] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] LP [.000] AGE E [.000] AGE E E D D D D D D-10 Geschaetzter partieller Effekt des Alters fuer jede Beobachtung =============================================================== Univariate statistics ===================== Number of Observations: 1111 Mean Std Dev Minimum Maximum PE_AGE
18 Dependent variable: QSCHOKO Number of observations: 1111 Schätzung ohne Logarithmen ========================== Equation 3 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.000] Std. dev. of dep. var. = Durbin-Watson = [<.344] Sum of squared residuals = Jarque-Bera test = [.000] Variance of residuals = Ramsey s RESET2 = [.190] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] P [.000] EINK E E [.430] AGE E [.000] AGE E E [.000] AGE E E [.000] Geschaetzter partieller Effekt des Alters fuer jede Beobachtung =============================================================== Number of Observations: 1111 Univariate statistics ===================== Mean Std Dev Minimum Maximum PE_AGE ENDE DER KLAUSUR 18
Klausur ÖKONOMETRIE für Bachelor VWL
Klausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrFragen zum zweiten Teil der Vorlesung
Albert-Ludwigs-Universität Freiburg Ökonometrie (Bachelor) Lehrstuhl Prof. Fitzenberger, Ph.D. WS 2011/12 Fragen zum zweiten Teil der Vorlesung 1. Es soll geprüt werden, ob das obere Quartil (das 75%-Quantil)
MehrKlausur ÖKONOMETRIE für Bachelor VWL
Klausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrNachholklausur ÖKONOMETRIE für Bachelor VWL
Nachholklausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrFragestunde zur Übung
Prof. Bernd Fitzenberger, Ph.D. Dr. Roland Füss Aderonke Osikominu Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2007/08 Fragestunde zur Übung
MehrÜbungsblatt 7: Schätzung eines Mietspiegels
Prof. Bernd Fitzenberger, Ph.D. Ute Leuschner Stefanie Schäfer Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2010/11 Übungsblatt 7: Schätzung
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrNachholklausur ÖKONOMETRIE für Bachelor VWL
Nachholklausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrZwischenklausur ÖKONOMETRIE
Zwischenklausur ÖKONOMETRIE Name, Vorname: Matrikel-Nr. Die Klausur besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen mehrere
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrKlausur ÖKONOMETRIE für Bachelor
Klausur ÖKONOMETRIE für Bachelor Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrLösung - Übungsblatt 10
Lösung - Übungsblatt 10 Aufgabe 2: Siehe Outputfile Aufgabe 2 a) Regressionsgleichung - Equation 1: price = β 1 + β 2 lotsize + β 3 sqrft + β 4 bdrms + u i Fit: price = β 1 + β 2 lotsize + β 3 sqrft +
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrKlausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung. Prof. Bernd Fitzenberger, Ph.D. WS 2010/11. Mittwoch, 16.
Klausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung Prof. Bernd Fitzenberger, Ph.D. WS 2010/11 Mittwoch, 16. Februar 2011 Die folgenden drei Aufgaben sind alle zu bearbeiten. Die insgesamt
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrModulklausur Konstruktion und Analyse ökonomischer Modelle
Modulklausur Konstruktion und Analyse ökonomischer Modelle Aufgabenheft Termin: 04.03.2015, 09:00-11:00 Uhr Prüfer: Univ.-Prof. Dr. J. Grosser Aufbau der Klausur Pflichtaufgabe Maximale Punktzahl: 34 Wahlpflichtaufgabe
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrBearbeitungshinweise. (20 Punkte)
Bearbeitungshinweise - Es sind alle Aufgaben zu bearbeiten. - Als Hilfsmittel sind lediglich nicht programmierbare Taschenrechner erlaubt. - Die Klausur darf nicht auseinander genommen werden. - Sämtliche
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrFachhochschule Düsseldorf Wintersemester 2008/09
Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrStatistik II. Statistik II, SS 2001, Seite 1 von 5
Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrGrundlagen der Informatik (BSc) Übung Nr. 5
Übung Nr. 5: Zahlensysteme und ihre Anwendung Bitte kreuzen Sie in der folgenden Auflistung alle Zahlensysteme an, zu welchen jeder Ausdruck als Zahl gehören kann! (Verwenden Sie 'x für Wahl, ' ' für Ausschluß
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrNachholklausur STATISTIK II
Nachholklausur STATISTIK II Name, Vorname: Matrikel-Nr.: Die Klausur enthält zwei Typen von Aufgaben: T e i l A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine
MehrDer Provider möchte möglichst vermeiden, dass die Werbekampagne auf Grund des Testergebnisses irrtümlich unterlassen wird.
Hypothesentest ================================================================== 1. Ein Internetprovider möchte im Fichtelgebirge eine Werbekampagne durchführen, da er vermutet, dass dort höchstens 40%
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrEinführung in statistische Analysen
Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
MehrAbitur 2007 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2007 Mathematik GK Stochastik Aufgabe C1 Eine Werbeagentur ermittelte durch eine Umfrage im Auftrag eines Kosmetikunternehmens vor Beginn einer Werbekampagne
MehrOrientierungstest für angehende Industriemeister. Vorbereitungskurs Mathematik
Orientierungstest für angehende Industriemeister Vorbereitungskurs Mathematik Weiterbildung Technologie Erlaubte Hilfsmittel: Formelsammlung Taschenrechner Maximale Bearbeitungszeit: 1 Stunde Provadis
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrKlausur: Einführung in die Statistik
1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrUNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG
UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG DATUM: 13. Juli 2009 FACH: TEILGEBIET: KLAUSURDAUER: Allgemeine Betriebswirtschaftslehre SL-Schein Marketing II 60 Minuten PRÜFER:
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrVergleichsklausur 12.1 Mathematik vom 20.12.2005
Vergleichsklausur 12.1 Mathematik vom 20.12.2005 Mit CAS S./5 Aufgabe Alternative: Ganzrationale Funktionen Berliner Bogen Das Gebäude in den Abbildungen heißt Berliner Bogen und steht in Hamburg. Ein
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im SS 04
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Hinweise: Die Klausur
MehrKlausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg.
Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
MehrAbschlussklausur am 12. Juli 2004
Institut für Geld- und Kapitalverkehr Vorlesung Nr. 03.511 der Universität Hamburg Grundkonzeptionen der Finanzierungstheorie (ABWL / Finanzierung) Dr. Stefan Prigge Sommersemester 2004 Abschlussklausur
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrBearbeiten Sie vier der fünf Aufgaben!
Master-Kursprüfung West-East Trade Theory SS 2014 Pflichtmodul Internationale VWL (M.Sc. IVWL) Schwerpunktmodul Außenwirtschaft (M.Sc. VWL) 6 Kreditpunkte Bearbeitungsdauer: 90 Minuten 16.7.2014 Prof.
MehrWiederholung der Hauptklausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrIhr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig?
Ihr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig? Oft wirft die Aufnahme neuer Gesellschafter oder auch die Einstellung
Mehr8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.
L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrWiederholung der Klausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrMATHEMATIK 3 STUNDEN. DATUM: 8. Juni 2009
EUROPÄISCHES ABITUR 2009 MATHEMATIK 3 STUNDEN DATUM: 8. Juni 2009 DAUER DES EXAMENS : 3 Stunden (180 Minuten) ZUGELASSENE HILFSMITTEL : Europäische Formelsammlung Nicht graphischer und nicht programmierbarer
MehrKlausur Sommersemester 2010
Klausur Sommersemester 2010 Lehrstuhl: Wirtschaftspolitik Prüfungsfach: Empirische Wirtschaftsforschung Prüfer: Prof. Dr. K. Kraft Datum: 04.08.2010 Hilfsmittel: Nicht-programmierbarer Taschenrechner Klausurdauer:
MehrLösungshinweise zur Einsendearbeit 1 zum Fach Finanz- und bankwirtschaftliche Modelle, Kurs 42000, SS 2014 1
Lösungshinweise zur Einsendearbeit zum Fach Finanz- und bankwirtschaftliche Modelle, Kurs 42000, SS 204 Kurs: Finanz- und bankwirtschaftliche Modelle (42000) Lösungshinweise zur Einsendearbeit Nr. im SS
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrAufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)
Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer
MehrAVWL I (Mikro) - Prof. Sven Rady Ph.D. - Klausur am 12.02.2007. Abschlussklausur AVWLI
AVWL I (Mikro) - Prof. Sven Rady Ph.D. - Klausur am.0.007 Name: Matr. Nr.: Studienfach: Abschlussklausur AVWLI Bitte bearbeiten Sie die folgenden drei Aufgaben mit allen Teilaufgaben. Benutzen Sie für
MehrProf. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:
Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn
MehrMathematik Serie 1 (60 Min.)
Aufnahmeprüfung 011 Mathematik Serie 1 (60 Min.) Hilfsmittel: Taschenrechner Name... Vorname... Adresse...... ACHTUNG: - Resultate ohne Ausrechnungen bzw. Doppellösungen werden nicht berücksichtig! - Die
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
MehrVorlesung Dokumentation und Datenbanken Klausur
Dr. Stefan Brass 5. Februar 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrWiederholungsklausur zur Vorlesung Informationsökonomik
Prof. Dr. Isabel Schnabel Johannes Gutenberg-Universität Mainz Wiederholungsklausur zur Vorlesung Informationsökonomik Sommersemester 2011, 15.08.2011, 13:00 14:30 Uhr Hinweise zur Klausur Die Klausur
MehrPrivate Senioren- Unfallversicherung
Private Senioren- Unfallversicherung Ergebnisse einer repräsentativen Studie von forsa September 2010 1 Inhalt Studiensteckbrief Management Summary Grafiken: Meinungen rund um das Thema private Unfallversicherungen
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
Mehr