Man nimmt einfach eine entsprechende Variable für den Trend in das Regressionsmodell auf (hier die Variable t).
|
|
- Fritzi Zimmermann
- vor 6 Jahren
- Abrufe
Transkript
1 1 Trendbereinigung Trends in den abhängigen und unabhängigen Variablen führen in Zeireihenanalysen aus zweierlei Gründen zu Problemen: (i) Hohe R-Quadra-Were suggerieren einen guen Modellfi und (ii) hohe Effeke der einzelnen unabhängigen Variablen erwecken den Eindruck, die jeweilige unabhängige habe einen sarken Einfluss. Tasächlich is der hohe Zusammenhang zwischen x und y jedoch darauf zurückzuführen, dass beide einen Trend aufweisen. Ebenso erklär der Trend bereis einen hohen der Teil der Varianz der abhängigen Variablen. Trends sollen daher in Zeireihenanalysen konrollier werden. Das kann auf zwei verschiedene Weisen passieren mi jeweils idenischen Schäzergebnissen: 1. Konrolle des Trends im Regressionsmodell,. Trendbereinigung jeder Variablen und Regression mi den rendbereinigen Daen. Da die zweie Möglichkei aus mehreren Auswerungsschrien beseh, führ die erse Möglichkei schneller zum Ziel. Die folgenden Abschnie demonsrieren das Vorgehen mi dem Vorlesungsbeispiel 3 (Bauinvesiionen und Häuserpreise). 1.1 Konrolle des Trends im Regressionsmodell Man nimm einfach eine ensprechende Variable für den Trend in das Regressionsmodell auf (hier die Variable ).. use "C:\hja\lehre\daen\wooldridge\saa\HSEINV.DTA", clear. reg linvpc lprice Source SS df MS Number of obs = F(, 39) = 1.8 Model Prob > F =.3 Residual R-squared = Adj R-squared =.37 Toal Roo MSE = linvpc Coef. Sd. Err. P> [95% Conf. Inerval] lprice _cons Regression mi den rendbereinigen Daen Durch zwei vorgeschalee Regressionen werden die Aneile von x und y berechne, die nich auf den Trend zurückgeführ werden können. Das sind die Residuen des jeweiligen Modells.. use "C:\hja\lehre\daen\wooldridge\saa\HSEINV.DTA", clear. quiely: reg linvpc. predic y_derended, resid. quiely: reg lprice. predic x_derended, resid 1
2 . reg y_derended x_derended Source SS df MS Number of obs = F( 1, 4) =.3 Model Prob > F =.573 Residual R-squared = Adj R-squared = Toal Roo MSE = y_derended Coef. Sd. Err. P> [95% Conf. Inerval] x_derended _cons 3.63e Nebenbemerkung 1: Bei der Rechnung mi rendbereinigen Daen solle man keine Konsane schäzen, denn die Residuen von Regressionsschäzungen (hier: y_derended und x_derended) sind definiionsgemäß im Durchschni Null und daher is es in dem vorherigen Regressionsmodell nich nowendig, das Niveau der abhängigen Variablen mi einer Konsanen zu modellieren. Mi der Opion nocons schäz man ein Regressionsmodell ohne Konsane.. reg y_derended x_derended, nocons Source SS df MS Number of obs = F( 1, 41) =.33 Model Prob > F =.568 Residual R-squared = Adj R-squared = -.16 Toal Roo MSE =.149 y_derended Coef. Sd. Err. P> [95% Conf. Inerval] x_derended Nebenbemerkung : Der Sandardfehler weich zwischen allen drei Berechnungsaren leich voneinander ab ( ,.6796,.6671). Das häng dami zusammen, dass der Sandardfehler auch von den Freiheisgraden des Modells abhäng. Wegen der unerschiedlichen Anzahl der unabhängigen Variablen (3,, 1) in den drei Berechnungsaren is auch die Anzahl der Freiheisgrade verschieden (39, 4, 41; s. Varianzabelle: Residual). 1.3 Trendbereiniger R-Quadra-Wer Zurück zur ersen Möglichkei der Trendbereinigung in Abschni 1.1: Das Modell dor zeig einen relaiv hohen R-Quadra-Wer von,348. Das sieh danach aus, als könne man mi der Variablen lprice einen relaiv hohen Aneil der Varianz der abhängigen Variablen erklären. Zu dem hohen Wer räg aber auch der Trend (die Variable ) bei, an dem man gar nich inhallich ineressier is und den man demensprechend eigenlich nur konrollieren will. Ein realisischerer Wer für R-Quadra ergib sich, wenn man die rendbereinigen Were von y als abhängige Variable verwende. Wie das folgende Beispiel zeig, erklär lprice nach dieser Modifikaion nur,8% der Varianz der abhängigen Variablen.
3 . reg y_derended lprice Source SS df MS Number of obs = F(, 39) =.16 Model Prob > F =.8548 Residual R-squared = Adj R-squared = -.49 Toal Roo MSE = y_derended Coef. Sd. Err. P> [95% Conf. Inerval] lprice _cons Wichig is dabei, dass man die Variable im Modell beläss, weil sie sichersell, dass sozusagen im Modell auch noch eine Trendbereinigung von lprice vorgenommen wird. Differenzierung und Trendbereinigung.1 Differenzierung eines Uni Roo Prozesses OLS-Schäzungen für Zeireihen liefern nur dann konsisene Schäzwere, wenn alle (abhängigen und unabhängigen) Variablen des Regressionsmodells allenfalls schwach abhängige Prozesse sind. 1 Jede Variable muss daher einzeln (!) darauf geprüf werden, ob es sich nich um einen hoch persisenen Prozess handel (z.b. um einen Uni Roo Prozess). Einen informellen Tes haben wir in der Vorlesung besprochen, eine exake Prüfung is mi einem Dickey-Fuller Tes möglich. Informeller Tes: Wenn eine Variable eine Auokorrelaion erser Ordnung größer als,8 aufweis, laue die Empfehlung, diese Variable als Uni Roo Prozess zu berachen. Wird eine solche Variable in einer Zeireihenanalyse verwende, sind die saisischen Eigenschafen einer OLS-Schäzung zweifelhaf. Durch Verwendung der ersen Differenzen kann man jedoch beispielsweise einen Random Walk in einen einfachen Zufallsprozess ransformieren, wie die folgende Ableiung zeig (s. Texbox). Demensprechend laue die Empfehlung, bei hoch persisenen Prozessen (und Random Walks sind ein Beispiel) sa der Absoluwere die ersen Differenzen zu verwenden. Man sprich dann auch jeweils von differenzieren Zeireihen. Ein Random Walk is durch folgenden Zufallsprozess definier: y ρy + u, ρ = 1 = 1 u ~ N(, 1) Corr( u, us ) = Wir bilden die Differenzen der jeweils im Zeiablauf aufeinander folgenden Were und sezen für y die vorherige Definiionsgleichung für einen Random Walk ein (mi ρ = 1): y = y y = y + u ) ( y 1 ( 1 1) = u Die differenziere Zeireihe enhäl nur noch den Zufallserm u. 1 Darüber hinaus müssen noch weiere Voraussezungen gegeben sein, die hier jedoch nich diskuier werden sollen (z.b. zeigleiche Exogeniä der unabhängigen Variablen). 3
4 . Variablen mi zeilichen Trends und Uni Roo Prozesse In Abschni 1 haben wir gelern, dass Zusammenhänge zwischen Variablen, die einen Trend aufweisen, zu großen Teilen bereis durch den Trend erklär werden. Das gil naürlich auch für saisische Zusammenhänge, die eine Variable mi sich selbs aufweis, z. B. für die Korrelaion der Were von x mi den um einen Zeipunken verschobenen Weren von x (die Auokorrelaion 1. Ordnung). Da die Auokorrelaion 1. Ordnung in dem in Abschni.1 beschriebenen informellen Tes verwende wird, wird bei Variablen mi zeilichen Trends üblicherweise empfohlen, die Auokorrelaion 1. Ordnung auf Basis rendbereiniger Zahlen zu berechnen. Is diese größer als der kriische Wer von,8, dann soll man von einem hoch persisenen Prozess ausgehen und demensprechend die Zeireihe der jeweiligen Variablen differenzieren..3 Trendkonrolle bei differenzieren Zeireihen nowendig? Wenn man mi differenzieren Zeireihen das Regressionsmodell schäz, enseh die Frage, ob man zusäzlich noch mi den in Abschni 1 beschriebenen Techniken einen ggf. vorhandenen zeilichen Trend konrollieren muss. Wie die folgende Rechnung mi dem Vorlesungsbeispiel (Lohnenwicklung und Produkiviä) zeig, führen die Verwendung differenzierer und rendbereiniger Daen einerseis und die Verwendung differenzierer Daen ohne (!) einen linearen Trend als Drivariable zum gleichen Schäzwer der Lohnelasiziä (,893).. use "C:\hja\lehre\daen\wooldridge\saa\earns.DTA", clear. sse year ime variable: year, 1947 o * Berechnung der rendbereinigen Variablen. quiely: reg lhrwage. predic der_lhrwage, resid. quiely: reg louphr. predic der_louphr, resid. * Regressionsmodell mi den differenzieren und rendbereinigen Daen. reg D.der_lhrwage D.der_louphr Source SS df MS Number of obs = F( 1, 38) = 1.77 Model Prob > F =. Residual R-squared = Adj R-squared =.3475 Toal Roo MSE =.1695 D. der_lhrwage Coef. Sd. Err. P> [95% Conf. Inerval] der_louphr D _cons
5 . * Regressionsmodell mi den differenzieren Daen ohne einen linearen Trend. reg D.lhrwage D.louphr Source SS df MS Number of obs = F( 1, 38) = 1.77 Model Prob > F =. Residual R-squared = Adj R-squared =.3475 Toal Roo MSE =.1695 D.lhrwage Coef. Sd. Err. P> [95% Conf. Inerval] louphr D _cons * Die zusäzliche Berücksichigung einer Trendvariablen is UNNÖTIG. * und führ zum falschen Ergebnis!. reg D.lhrwage D.louphr Source SS df MS Number of obs = F(, 37) = 19.1 Model Prob > F =. Residual R-squared = Adj R-squared =.4816 Toal Roo MSE =.1511 D.lhrwage Coef. Sd. Err. P> [95% Conf. Inerval] louphr D _cons Wenn man sich das Regressionsmodell noch einmal formal hinschreib, wird klar, dass dieses Ergebnis immer dann ensehen muss, wenn man wie in diesem Beispiel Differenzen der abhängigen Variablen berache. Mi y = ln( Sundenlohn), x1 = ln( Oupu / Sunde) und einem linearen Trend läss sich das Modell (in Absoluweren) wie folg spezifizieren: = β + β1x1 + β y + u Berache man sa der Absoluwere die Differenzen der abhängigen Variablen, wird ein linearer (!) Trend eliminier, wie die folgende Umformung zeig: y = y y 1 = ( β + β x = ( β β ) + β ( x 1 = β x β + u ) ( β + β x 1 1 x + β + ( u u ) β ( 1) + u ) + β ( ( 1)) + ( u u 1 1 ) ).4 Funkionier eigenlich Differenzierung als Mehode der Trendbereinigung? Aus der mahemaischen Ableiung ergib sich naürlich die Frage, ob man umgekehr durch Differenzieren eine Trendbereinigung vornehmen kann. Wir machen zunächs anhand des Beispiels mi den Bauinvesiionen die Probe aufs Exempel: 5
6 . use "C:\hja\lehre\daen\wooldridge\saa\HSEINV.DTA", clear. sse year ime variable: year, 1947 o reg D.linvpc D.lprice Source SS df MS Number of obs = F( 1, 39) = 1.94 Model Prob > F =.1711 Residual R-squared = Adj R-squared =.31 Toal Roo MSE =.1416 D.linvpc Coef. Sd. Err. P> [95% Conf. Inerval] lprice D _cons Nach den obigen mahemaischen Ableiungen solle der Regressionskoeffizien ( ) von x 1 = lprice lprice 1 dem Regressionskoeffizienen von lprice aus Abschni 1.1 (oder 1.) ensprechen ( ). Tu er aber nich. Gleiches gil für die Regressionskonsane (.6759), die nach der Ableiung eigenlich dem Regressionskoeffizienen der Zeivariablen ensprechen solle (.9887). Insofern muss man die Eingangsfrage verneinen. Die spannende Frage is jedoch, warum das der Fall is. Die Erklärung is die sochasische Komponene der beiden Modelle. Während das Modell aus Abschni 1.1 den Fehlererm u enhäl und die Koeffizienen mi den bekannen OLS-Annahmen für u schäz, enhäl das differenziere Modell den Fehlererm ( u u 1) und schäz die Koeffizienen mi den OLS- Annahmen für ( u u 1). Insofern is ein Modell in Differenzen schäzechnisch ewas anderes als ein Modell in Absoluweren. Triff beispielsweise die OLS-Annahme der Unkorrelierhei der Fehlererme im Modell mi den Absoluweren zu, d.h. für alle s : Corr( u, us ) =, dann kann man zeigen, dass die Differenzen dieser Fehlererme ( u = u u 1), also die Fehlererme des Differenzmodells, eine negaive Auokorrelaion aufweisen: Corr( u, u 1) =. 5 (Wooldridge 6: 47). Anders ausgedrück: Is die OLS-Anahme der Unkorrelierhei der Fehlererme in dem einen Modell gegeben, muss sie nowendigerweise in dem anderen verlez sein. Inuiiv kann man sich das folgendermaßen vorsellen: Dami die Fehlererme im Absolumodell die (weiere) OLS-Annahme erfüllen, im Miel Null zu sein (E( u ) = ), müssen sich quasi die Zeiablauf aufreenden Fehler u gegeneinander aufheben. Es is daher hoch wahrscheinlich, dass auf einen überdurchschnilichen Wer u zum Zeipunk beim nächsen Zeipunk + 1 ein eher unerdurchschnilicher Wer u + 1 folg (und umgekehr). Bilde man daraus Differenzen, dann folgen posiive Differenzen mi hoher Wahrscheinlichkei auf negaive Differenzen (und umkehr), was zu der genannen negaiven Auokorrelaion führ. 6
7 3 Uner welchen Voraussezungen sind OLS-Schäzer bei Zeireihenanalysen erwarungsreu und effizien? Gegeben sei das Regressionsmodell y = β + β1z1 + β z + K+ β k zk + u, wobei z 1, K, zk für die verschiedenen Typen unabhängiger Variablen sehen: also für akuelle und zeiverzögere exogene Variablen x und für zeiverzögere endogene Variablen y. Die Parameer des Regressionsmodells β, K, β k werden mi Zeireihendaen und OLS geschäz. Uner welchen Bedingungen sind die berechneen Schäzwere erwarungsreu und effizien? Beginnen wir mi der Frage der Erwarungsreue. 3.1 Erwarungsreue Kleine Sichproben und schwach abhängige Prozesse In kleinen Sichproben (kurze Zeireihen) muss man voraussezen, dass (i) jede Variable des Regressionsmodells jeweils eine geringe Auokorrelaion aufweis (schwach abhängiger Prozess) und (ii) dass alle unabhängigen Variablen srik exogen sind. Die Annahme sriker E- xogeniä is immer dann zweifelhaf, wenn von Feedbackprozessen auszugehen is (y wirk auf x zurück) oder das Modell zeiverzögere endogene Variablen y als unabhängige Variablen enhäl (s. Vorlesung). Ha man eine längere Zeireihe, dann is die Siuaion ewas einfacher (s. folgender Abschni) Große Sichproben und schwach abhängige Prozesse In großen Sichproben (lange Zeireihen) kann die Annahme sriker Exogeniä gelocker werden. Die unabhängigen Variablen müssen jez nur noch zeigleich exogen sein, was bspw. die Verwendung zeiverzögerer endogener Variablen y als unabhängige Variablen ermöglich. Dafür is die Erwarungsreue der Schäzer aber auch nur asympoisch ( in größeren Sichproben ) gegeben, so dass verzerre Schäzungen bei kurzen Zeireihen mi OLS nich auszuschließen sind. Naürlich müssen auch in großen Sichproben die beeiligen Variablen geringe Auokorrelaionen aufweisen, weil der zuvor verwendee Konsisenzbeweis ( Erwarungsreue mi zunehmendem Sichprobenumfang ) auf der Annahme jeweils schwach abhängiger Prozesse beruh Sark abhängige Prozesse Die Annahme eines schwach abhängigen Prozesses is für jede Variable des Regressionsmodells einzeln zu prüfen (zu den Tesmehoden s. Vorlesung). Wenn diese Bedingung nich gegeben is, is der ensprechende geschäze Regressionskoeffizien nich mehr konsisen. Dami OLS konsisene Schäzwere liefer, müssen sark abhängige Variablen durch geeignee Transformaionen in schwach abhängige Prozesse ransformier werden. Bei Uni Roo Prozessen genüg bspw. die Verwendung der Differenzen zeilich aufeinander folgender Were der jeweiligen Variablen (sa der Absoluwere). 3. Effizienz Unabhängig vom Problem der Erwarungsreue is die Effizienz von OLS-Schäzungen bei Zeireihen gefährde, vor allem weil die sochasische Komponene u im Zeiablauf korrelier, aber auch weil u heeroskedasisch sein kann (lezeres haben wir in der Vorlesung nich besprochen). Die sochasische Komponene u korrelier immer dann im Zeiablauf, wenn unberücksichige Drivariablen oder Messfehler im Zeiablauf mieinander zusammenhängen (z.b. weil der gleiche Messfehler mehrmals hinereinander aufri oder weil Drivariablen 7
8 wie die im Modell befindlichen unabhängigen Variablen seriell abhängig sind). Prüfverfahren und Gegenmaßnahmen haben wir in der Vorlesung besprochen. Sie sind zusäzlich zu den uner bis angesprochenen Prüfungen der Erwarungsreue anzuwenden. 8
Übung zu Quantitative Methoden der Marktanalyse. Tests zu den Annahmen der OLS-Schätzung. 1. Annahmen zur OLS-Schätzung. 1. Annahmen zur OLS-Schätzung
Termin Übungsinhal Übung zu Quaniaive Mehoden der Markanalyse Annahmen derols-schäzung 9.06.009 9.06.009 Tess zu den Annahmen der OLS- Schäzung 06.07.009 Klausurvorbereiung.07.009 Klausurvorbereiung 0.07.009
MehrAnalyse zeitabhängiger Daten. Zeitreihenanalyse I
Analyse zeiabhängiger Daen Zeireihenanalyse I Warum geh es in den folgenden Sizungen? Zeireihen Daum 04.04.07 11.04.07 18.04.07 25.04.07 02.05.07 09.05.07 16.05.07 23.05.07 30.05.07 06.06.07 13.06.07 20.06.07
MehrKurzrepetition Ökonometrie I - Lösungen
. Einführung Ökonomerie II - Peer Salder Kurzrepeiion Ökonomerie I - Lösungen Aufgabe (Inerpreaion von Regressionsergebnissen) a) Der prozenuale Aneil der Varianz der abhängigen Variablen, der durch die
MehrAufgaben: Repetition Ökonometrie I - Lösungen
Ökonomerie I - Peer Salder Aufgaben: Repeiion Ökonomerie I - Lösungen Aufgabe (Radiowerbung für Kino): Die Schäzung der Regressionsgleichung U W u U : Wochenumsaz, W : Werbeausgaben ergib: 000, 07., SE
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 4 Schäzung univariaer Zeireihenmodelle Y = c+ α Y + + α Y + ε + βε + + β ε p p q q Problem: Direke Schäzung der Parameer α,, αp und β,, βq über OLS nich möglich, da die Residuen
MehrKoeffizienten(a) Modell Koeffizienten T Signifikanz
Lehrsuhl für Saisik und empirische Wirschafsforschung, Prof. Riphahn, Ph.D. Bachelorprüfung, Empirische Wirschafsforschung Fach: Prüfer: Bachelorprüfung Empirische Wirschafsforschung Prof. Regina T. Riphahn,
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 1 - Grundlagen Einführung in die Verfahren der Zeireihenanalyse (1) Typischerweise beginn man mi einer Beschreibung der jeweils zu unersuchenden Zeireihe (graphisch) Trendverhalen,
Mehr4.1 OLS a) OLS-Schätzung der Koeffizienten der Strukturform
4. Schäzmehoden 4. 4. OLS a) OLS-Schäzung der Koeffizienen der Srukurform OLS liefer verzerre und nich konsisene Schäzungen der Koeffizienen der Srukurform inerdependener Modelle, weil i.a. Sörvariable
MehrZeitreihenökonometrie
ifo Insiu für Wirschafsforschung an der Universiä München Zeireihenökonomerie Kapiel 6 Nichsaionäre univariae Zeireihenmodelle ifo Insiu für Wirschafsforschung an der Universiä München Nichsaionäre Prozesse
MehrStatistische Analysen am Rechner: Eine Einführung
Saisische Analysen am Rechner: Eine Einführung Diese Rechnerübung soll einen ersen Einblick in das Programm EViews geben. Dafür werden der Akienmarkindex DAX und der Index des Renenmarkes REX für den Zeiraum
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Zwischenklausur im WS 02/03
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Zwischenklausur im S 0/0 Aufgabe 1: [1] Mi den Daen von 177 Miewohnungen einer Schweizer Sad wurde
MehrStationarität/Ergodizität
Empirische Mehoden (MA) SS 011 Übungsbla 3 Willi Muschler willi.muschler@uni-muenser.de Saionariä/Ergodiziä 1. Beanworen Sie folgende Fragen: (a) Was verseh man uner einem sochasischen Prozess, was uner
MehrBeispiele für Aufgaben in der Ökonometrieklausur in Duisburg
Beispiele für Aufgaben in der Ökonomerieklausur in Duisburg Die Aufgaben sind (z.. modifiziere) asächlich geselle Aufgaben unerschiedlichen Schwierigkeisgrads und daher auch mi unerschiedlicher Punkzahl
MehrTeil D: Einführung in die Kointegrationsmethodologie
Teil D: Einführung in die Koinegraionsmehodologie 1. Problem der Scheinregression Makroökonomische Zeireihen (z.b. Oupu, Invesiionen, Beschäfigung) sind ypischerweise rendbehafeee Zeireihen. Bruosozialproduk
MehrMathematische Methoden der klassischen Physik Zusammenfassung Differentialgleichungen
Dr. G. Lechner Mahemaische Mehoden der klassischen Physik Zusammenfassung Differenialgleichungen In der Vorlesung wurden drei unerschiedliche Typen von Differenialgleichungen (DGL) besprochen, die jeweils
MehrProf. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeitreihenanalyse Sommer 2003
Prof. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeireihenanalyse Sommer 2003 I.) Klassische Zeireihenanalyse Komponenen einer Zeireihe: Trend- (u. Zyklus), Saison- und Residualkomponene Addiive und muliplikaive
MehrMultiple Regression: Übung 1
4. Muliple Regression Ökonomerie I - Peer Salder 1 Muliple Regression: Übung 1 Schäzung einer erweieren Konsumfunkion für die Schweiz Wir unersuchen die Abhängigkei der Konsumausgaben der Schweizer Haushale
MehrAufgaben zur Zeitreihenanalyse (Kap. 5)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 5) Aufgabe 5.1 Welches Phänomen läss sich mi ARCH-Prozessen modellieren und welche prognosische Relevanz
MehrTesten von Regressionskoeffizienten bei multipler Regression (ausführlichere Erläuterungen und Zahlenbeispiele) 1
Prof. Dr. Peer von der Lippe (aisik) Januar 7 Universiä Duisburg-Essen, Campus Essen Tesen von Regressionskoeffizienen bei mulipler Regression (ausführlichere Erläuerungen und Zahlenbeispiele). Übersich
MehrThema 11: Signifikanz von Parametern
Thema 11: Signifikanz von Parameern Zweck Überprüfung, ob Zusammenhang (zwischen Y und X) wirklich gegeben. Y = b + m X, wenn m = 0 wäre, gil Y = b und Y wäre nich von X abhängig kein Zusammenhang Das
MehrAbiturprüfung 2017 ff Beispielaufgabe Grundkurs Mathematik; Analysis Beispiel Wirkstoff
Die Bioverfügbarkei is eine Messgröße dafür, wie schnell und in welchem Umfang ein Arzneimiel resorbier wird und am Wirkor zur Verfügung seh. Zur Messung der Bioverfügbarkei wird die Wirksoffkonzenraion
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goehe-Universiä Frankfur am Main Fachbereich Wirschafswissenschafen Professur für Saisik und Ökonomerie (Empirische Wirschafsforschung) Prof. Dr. Reinhard Hujer Meronsraße 7 Posfach 9 3
MehrTyp A: Separierbare Differentialgleichungen I. Separierbare Differentialgleichungen II. Beispiel einer separierbaren Dgl
Typ A: Separierbare Differenialgleichungen I Gegeben sei die Differenialgleichung y () = f () g(y) in einem Bereich D der (, y) Ebene. Gil g(y) 0, so lassen sich die Variablen und y rennen: y () g(y) =
MehrP. v. d. Lippe Häufige Fehler bei Klausuren in "Einführung in die ökonometrische Datenanalyse" Duisburg
P. v. d. Lippe Häufige Fehler bei Klausuren in "Einführung in die ökonomerische Daenanalyse" Duisburg a) Klausur SS 0 Klausuren SS 0 bis SS 03 akualisier 9. Augus 03. Sehr viele Teilnehmer rechnen einfach
Mehr3.4 Systeme linearer Differentialgleichungen
58 Kapiel 3 Invarianen linearer Transformaionen 34 Syseme linearer Differenialgleichungen Die Unersuchung der Normalformen von Marizen soll nun auf die Lösung von Differenialgleichungssysemen angewende
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sequenzanalyse
Universiä Posdam Insiu für Informaik Lehrsuhl Maschinelles Lernen Sequenzanalyse Michael Brückner (Verreung) Chrisoph Sawade/Niels Landwehr Paul Prasse Tobias Scheffer Lieraur Klaus Neusser: Zeireihenanalyse
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit WS 2007/08
Phillips Kurve (Blanchard Ch.8) 310 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Abschlussklausur im WS 04/05
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Abschlussklausur im S 04/05 Aufgabe : Als wissenschaflicher Miarbeier eines Schlafinsius versuchen
MehrIII Wechselkursempirie
III Wechselkursempirie ) Daen /$ Wechselkurs (bzw. DM-Kurs in vor offiziellem Sar des ): monaliche Durchschniswere von Januar 96 bis November 22. 2.2 DM/$ Nominal Exchange Rae (monhly average ) 2..8.6.4.2..8.6
Mehr7.3. Partielle Ableitungen und Richtungsableitungen
7.3. Parielle Ableiungen und Richungsableiungen Generell vorgegeben sei eine Funkion f von einer Teilmenge A der Ebene R oder allgemeiner des n-dimensionalen Raumes R n nach R. Für x [x 1,..., x n ] aus
MehrA. Multiple Choice Teil der Klausur (22 Punkte) Lösungen jeweils in blauer Schrift
A. Muliple Choice eil der Klausur ( Punke) Lösungen jeweils in blauer chrif Punk Lösung: B Homoskedasiziä bedeue dass a) Annahme B gil, d.h. dass die geschäzen örgrößen û über alle Zeipunke gerechne eine
MehrEinführung in die Ökonometrie
Maerialien zur Vorlesung Einführung in die Ökonomerie Sommersemeser 5 Prof. Dr. Klaus Neusser Universiä Bern Einführung in die Ökonomerie Inhal Einführung 4. Einige Lehrbücher 6. Einige ökonomerische Programmpakee
Mehr4. Quadratische Funktionen.
4-1 Funkionen 4 Quadraische Funkionen 41 Skalierung, Nullsellen Eine quadraische Funkion is von der Form f() = c 2 + b + a mi reellen Zahlen a, b, c; is c 0, so sprechen wir von einer echen quadraischen
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 11 LAGEBEZIEHUNG DREIER EBENEN
Mahemaik Mag. Schmid Wolfgang Arbeisbla. Semeser ARBEITSBLATT LAGEBEZIEHUNG DREIER EBENEN Nachdem wir die Lage weier Ebenen unersuch haben, wollen wir uns nun mi der Lage von drei Ebenen beschäfigen. Anders
MehrUniversität Ulm Samstag,
Universiä Ulm Samsag, 5.6. Prof. Dr. W. Arend Robin Nika Sommersemeser Punkzahl: Lösungen Gewöhnliche Differenialgleichungen: Klausur. Besimmen Sie die Lösung (in möglichs einfacher Darsellung) folgender
MehrLeistungselektronik Grundlagen und Standardanwendungen. Übung 3: Kommutierung
Lehrsuhl für Elekrische Anriebssyseme und Leisungselekronik Technische Universiä München Arcissraße 1 D 8333 München Email: eal@ei.um.de Inerne: hp://www.eal.ei.um.de Prof. Dr.-Ing. Ralph Kennel Tel.:
MehrZwei Rechenbeispiele für die einfache lineare Regression
Einfache Regression mi Ecel Prof. Dr. Peer von der Lippe Zwei Rechenbeispiele für die einfache lineare Regression 1.1. Daen 1. Mindeslöhne Beispiel 1 Ennommen aus Rolf Ackermann, pielball des Lobbyisen,
Mehr2.2.3 Exponentielle Glättung
3 Exponenielle Gläung Mi Hilfe der exponeniellen Gläung kann wie beim Verfahren der gleienden Mielwere die glae Komponene einer Zeireihe herausgefiler werden Zum Zwecke der Gläung werden die Zeireihenwere
MehrZeit (in h) Ausflussrate (in l/h)
Aufgabe 6 (Enwicklung einer Populaion): (Anforderungen: Inerpreaion von Schaubildern; Inegralfunkion in der Praxis) Von einer Populaion wird - jeweils in Abhängigkei von der Zei - die Geburenrae (in Individuen
MehrIII.2 Radioaktive Zerfallsreihen
N.BORGHINI Version vom 5. November 14, 13:57 Kernphysik III. Radioakive Zerfallsreihen Das Produk eines radioakiven Zerfalls kann selbs insabil sein und späer zerfallen, und so weier, sodass ganze Zerfallsreihen
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrÖkonometrie - Eine Einführung
Ökonomerie - Eine Einführung 5. Auflage Ludwig von Auer 28. März 2011 Inhalsverzeichnis 1 1 Einleiung 1 1.1 BrauchmanÖkonomeriker?... 2 1.2 WasisÖkonomerie?... 2 1.3 DievierAufgabenderÖkonomerie... 3 1.3.1
MehrGrenzwertsätze für Zeitreihen
KAPIEL 6 Grenzwersäze für Zeireihen In diesem Kapiel sellen wir wichige Grenzwersäze für saionäre Zeireihen {X n } in diskreer Zei zusammen. Sei µ = E(X ) und ρ(k) = E(X 1 µ)(x 1+k µ) = Cov (X 1, X 1+k
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Saisik II Übung 4: Skalierung und asympoische Eigenschafen Diese Übung beschäfig sich mi der Skalierung von Variablen in Regressionsanalysen und mi asympoischen Eigenschafen von OLS. Verwenden Sie dazu
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit SS 2008
Phillips Kurve (Blanchard Ch.8) 151 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrAbiturprüfung Mathematik 2009 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
www.mahe-aufgaben.com Abiurprüfung Mahemaik 009 (Baden-Würemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe. (7 Punke) Das Schaubild P einer Polynomfunkion drien Grades ha den Wendepunk W(-/-) und
Mehr3. Signifikanztests und Konfidenzintervalle 3.1 Signifikanztests über einzelne Regressionskoeffizienten
3. Signifikanzess und Konfidenzinervalle 3.1 Signifikanzess über einzelne Regressionskoeffizienen Wenn das muliple Regressionsmodell mi der ökonomischen Theorie im Einklang seh, is zu erwaren, dass die
MehrArbitragefreie Preise
Arbiragefreie Preise Maren Schmeck 24. Okober 2006 1 Einleiung P i () Preis von Anleihe i zur Zei, i = 1,..., n x i Anzahl an Einheien der Anleihe i V () = n i=1 x ip i () Wer eines Porfolios mi x i Einheien
MehrKondensator und Spule im Gleichstromkreis
E2 Kondensaor und Spule im Gleichsromkreis Es sollen experimenelle nersuchungen zu Ein- und Ausschalvorgängen bei Kapaziäen und ndukiviäen im Gleichsromkreis durchgeführ werden. Als Messgerä wird dabei
MehrMathematische Methoden in den Ingenieurwissenschaften 4. Übungsblatt
Prof Dr M Gerds Dr A Dreves J Michael Winerrimeser 6 Mahemaische Mehoden in den Ingenieurwissenschafen 4 Übungsbla Aufgabe 9 : Mehrmassenschwinger Berache wird ein schwingendes Sysem aus Körpern der Masse
MehrKennzeichnung stochastischer Prozesse
. Kennzeichnung sochasischer Prozesse...1.0. Der Plaz der sochasischen Prozesse in der Regelungsechnik...1.1. Beschreibung sochasischer Prozesse im Zeibereich...3.1.1. Die Auokorrelaionsfunkion (AKF)...3.1..
MehrGewöhnliche Differentialgleichungen (DGL)
Gewöhnliche Differenialgleichungen (DGL) Einführende Beispiele und Definiion einer DGL Beispiel 1: 1. Die lineare Pendelbewegung eines Federschwingers führ uner Zuhilfenahme des Newonschen Krafgesezes
MehrDas Lineare Regressionsmodell
Das Lineare Regressionsmodell Bivariates Regressionsmodell Verbrauch eines Pkw hängt vom Gewicht des Fahrzeugs ab Hypothese / Theorie: Je schwerer ein Auto, desto mehr wird es verbrauchen Annahme eines
MehrUnterschied 2: kurzfristige vs langfristige Zinssätze. Arbitrage impliziert: r = i e i = r + e (1) (2)
Unerschied : kurzfrisige vs langfrisige Zinssäze Inermediae Macro - Uni Basel 10 Arbirage implizier: (1) () Es gib eine klare Beziehung zwischen langfrisigen Zinsen und erwareen künfigen Kurzfriszinsen
MehrLeseprobe. Ines Rennert, Bernhard Bundschuh. Signale und Systeme. Einführung in die Systemtheorie. ISBN (Buch):
Leseprobe Ines Renner, Bernhard Bundschuh Signale und Syseme Einführung in die Sysemheorie ISBN (Buch): 978-3-446-43327-4 ISBN (E-Book): 978-3-446-43328- Weiere Informaionen oder Besellungen uner hp://www.hanser-fachbuch.de/978-3-446-43327-4
Mehr7 Erzwungene Schwingung bei Impulslasten
Einmassenschwinger eil I.7 Impulslasen 53 7 Erzwungene Schwingung bei Impulslasen Impulslasen im echnischen Allag sind zum Beispiel Soß- oder Aufprallvorgänge oder Schläge. Die Las seig dabei in kurzer
MehrKapitel : Exponentielles Wachstum
Wachsumsprozesse Kapiel : Exponenielles Wachsum Die Grundbegriffe aus wachsum 1.xmcd werden auch hier verwende! Wir verwenden im Beispiel 2 auch fas die gleiche Angabe wie in Beispiel 1 - lediglich eine
MehrMATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 13 Wintersemester 2011/2012
Prof Dr O Junge, A Biracher Zenrum Mahemaik - M3 Technische Universiä München MATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 3 Winersemeser 2/22 Tuorübungsaufgaben (3-3222) Aufgabe T Berachen Sie das Anfangswerproblem
Mehr1. Ökonometrie und empirische Wirtschaftsforschung
1. Ökonomerie und empirische Wirschafsforschung 1.1 Gegensand und Arbeisgebiee der Ökonomerie Ökonomerie: Schäz- und Tesmehoden zur Überprüfung und Anwendung ökonomischer Hypohesen und Modelle Empirische
Mehr4. Kippschaltungen mit Komparatoren
4. Kippschalungen mi Komparaoren 4. Komparaoren Wird der Operaionsversärker ohne Gegenkopplung berieben, so erhäl man einen Komparaor ohne Hserese. Seine Ausgangsspannung beräg: a max für > = a min für
MehrAbituraufgaben Grundkurs 2009 Bayern Analysis I. dt mit D F = R.
Abiuraufgaben Grundkurs 9 Bayern Analysis I I.). Die Abbildung zeig den Graphen G f einer ganzraionalen Funkion f drien Grades mi dem Definiionsbereich D f R. Die in der Abbildung angegebenen Punke P(
MehrStochastische Zusammenhänge zweier Zufallsvariablen
Sochasische Zusammenhänge zweier Zufallsvariablen Jürgen Grieser 0.07.1997 Inhalsverzeichnis 1 Einleiung 1 Was bedeue sochasische Unabhängigkei? 3 Wie erkenn man sochasische Abhängigkei? 4 4 Wie sark is
Mehr3. Echtzeit-Scheduling Grundlagen
3. Echzei-Scheduling Grundlagen 3.1. Grundbegriffe, Klassifikaion und Bewerung Grundbegriffe Job Planungseinhei für Scheduling e wce r d Ausführungszei, Bearbeiungszei (execuion ime) maximale Ausführungszei
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Überblick Sh Schrie der Daenanalyse: Daenvorverarbeiung Problemanalyse Problemlösung Anwendung der Lösung Aggregaion und Selekion von Daen. Inegraion
Mehr5. Übungsblatt zur Linearen Algebra II
Fachbereich Mahemaik Prof. J. Bokowski Dennis Frisch, Nicole Nowak Sommersemeser 27 5., 8. und 2. Mai 5. Übungsbla zur Linearen Algebra II Gruppenübung Aufgabe G (Hüllen) In dieser Aufgabe soll es darum
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Abschlussklausur im WS 03/04
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Abschlussklausur im S 03/04 Aufgabe 1: Im Nachlass eines von Sudenen gemeuchelen Ökonomerie-Assisenen
MehrStrömung im Rohr. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Physikalisches Grundpraktikum. 1 Aufgabenstellung 2
Fachrichung Physik Physikalisches Grundprakikum Ersell: Bearbeie: Versuch: L. Jahn SR M. Kreller J. Kelling F. Lemke S. Majewsky i. A. Dr. Escher Akualisier: am 29. 03. 2010 Srömung im Rohr Inhalsverzeichnis
MehrMotivation: Sampling. (14) Sampling. Motivation: Sampling. Beispiele. Beispiel Kreisscheibe. Beispiel: Kreisscheibe
Moivaion: Sampling (4) Sampling Vorlesung Phoorealisische Compuergraphik S. Müller Ein naiver (und sehr eurer) Ansaz, die Rendering Equaion mi Hilfe eines Rayracing-Ansazes zu lösen, wäre wird eine diffuse
MehrMathematik III DGL der Technik
Mahemaik III DGL der Technik Grundbegriffe: Differenialgleichung: Bedingung in der Form einer Gleichung in der Ableiungen der zu suchenden Funkion bis zu einer endlichen Ordnung aufreen. Funkions- und
MehrKapitel 11 Produktion, Sparen und der Aufbau von Kapital
apiel 11 Produkion, Sparen und der Aufbau von apial Vorbereie durch: Florian Barholomae / Sebasian Jauch / Angelika Sachs Die Wechselwirkung zwischen Produkion und apial Gesamwirschafliche Produkionsfunkion:
Mehr15. Netzgeräte. 1. Transformator 2. Gleichrichter 3. Spannungsglättung 4. Spannungsstabilisierung. Blockschaltbild:
Ein Nezgerä, auch Nezeil genann, is eine elekronische Schalungen die die Wechselspannung aus dem Sromnez (230V~) in eine Gleichspannung umwandeln kann. Ein Nezgerä sez sich meisens aus folgenden Komponenen
MehrMedikamentendosierung A. M.
Medikamenendosierung A M Inhalsverzeichnis 1 Einleiung 2 2 Ar der Einnahme 3 3 Tropfenweise Einnahme 4 31 Differenialgleichung 4 32 Exake Lösung 5 33 Näherungsweise Lösung 5 4 Periodische Einnahme 7 41
MehrÜbung: Autokorrelation
5. Auokorrelaion und Heeroskedasiziä Ökonomerie I - Peer Salder 1 Übung: Auokorrelaion Analyse des Nahrungsmielkonsums in der Schweiz Wir unersuchen die Besimmungsgründe des Nahrungsmielkonsums in der
MehrOptimierungsverfahren bei saisonalen/periodischen Prozessen für Prognosezwecke
Fakulä Informaik, Professur für Technische Informaionssyseme, Proseminar Technische Informaionssyseme Proseminar Opimierungsverfahren bei saisonalen/periodischen Prozessen für Prognosezwecke Gliederung
MehrZu jedem Typ gibt es eine Menge von möglichen Denotationen der Ausdrücke dieses Typs. Diese Menge wird Domäne des betreffenden Typs genannt.
2 Theorie der semanischen Typen 2.2.2 Semanik von TL Menge der omänen Zu jedem Typ gib es eine Menge von möglichen enoaionen der Ausdrücke dieses Typs. iese Menge wird omäne des bereffenden Typs genann.
MehrLatente Wärme und Wärmeleitfähigkeit
Versuch 5 Laene Wärme und Wärmeleifähigkei Aufgabe: Nehmen Sie für die Subsanz,6-Hexandiol Ersarrungskurven auf und ermieln Sie daraus die laene Wärme beim Phasenübergang flüssig-fes sowie den Wärmedurchgangskoeffizienen
MehrAnalyse zeitabhängiger Daten. Analyse von Ereignisdaten
Analyse zeiabhängiger Daen Analyse von Ereignisdaen Warum geh es in den folgenden Sizungen? Daen: y Zeidauer Daum 04.04.07 11.04.07 18.04.07 25.04.07 02.05.07 09.05.07 16.05.07 23.05.07 30.05.07 06.06.07
MehrVorlesung 3 ERNEUERBARE RESSOURCEN. 1. Bioökonomische Grundbegriffe. 2. Ökonomische Modelle der optimalen Erntepolitiken. 2.1 Der Fall freien Zugangs
Vorlesung 3 ERNEUERBARE RESSOURCEN 1. Bioökonomische Grundbegriffe 2. Ökonomische Modelle der opimalen Ernepoliiken 2.1 Der Fall freien Zugangs 2.2 Ineremporale Allokaion erneuerbarer Ressourcen 1 ERNEUERBARE
MehrÜbungsblatt 4 Lösungsvorschläge
Insiu für Theoreische Informaik Lehrsuhl Prof. Dr. D. Wagner Übungsbla 4 Lösungsvorschläge Vorlesung Algorihmenechnik im WS 09/10 Problem 1: Flüsse [vgl. Kapiel 4.1 im Skrip] ** Gegeben sei ein Nezwerk
MehrThema 3: Dynamischer versus statischer Vorteilhaftigkeitsvergleich
hema 3: Dynamischer versus saischer Voreilhafigkeisvergleich Vor allem in der Wirschafspraxis belieb: Gewinnorieniere sa zahlungsorieniere Ansäze zum reffen von Invesiionsenscheidungen. sogenanne saische
MehrÜbungsaufgaben zu Kapitel 1: Offene Güter- und Finanzmärkte
Kapiel 1 Übungsaufgaben zu Kapiel 1: Offene Güer- und Finanzmärke Übungsaufgabe 1-1 1-1 Berachen Sie zwei Werpapiere, das eine wird in Deuschland in Euro emiier, das andere in den USA in Dollar! Nehmen
Mehr24.1 Mindestzuverlässigkeit und Aussagewahrscheinlichkeit
24 Versuche ohne Ausfälle Success un 24. Mindeszuverlässigkei und Aussagewahrscheinlichkei Um eine Aussage üer die Zuverlässigkei eines Baueiles oder einer Baugruppe zu erhalen, werden vor der eigenlichen
MehrAVWL II, Prof. Dr. T. Wollmershäuser. Kapitel 5 Die Phillipskurve
AVWL II, Prof. Dr. T. Wollmershäuser Kapiel 5 Die Phillipskurve Version: 22.11.2010 Der empirische Befund in den 60er Jahren Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 : 1931-1939 In
MehrName: Punkte: Note: Ø:
Name: Punke: Noe: Ø: Kernfach Physik Abzüge für Darsellung: Rundung: 4. Klausur in K am 5. 5. 0 Ache auf die Darsellung und vergiss nich Geg., Ges., Formeln, Einheien, Rundung...! Angaben: e =,60 0-9 C
Mehr= (Freiheitsgrade = T - Anzahl der geschätzten Parameter = = 565)
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina. Riphahn, Ph.D. Muserlösung zur Diplomvorprüfung Saisik II Einf. Ökonomerie im SS 06 Aufgabe : [0 Punke] Sie führen eine Regression der Arbeisnachfrage
MehrStruktur und Verhalten I
Kapiel 9 Srukur und Verhalen I Ganz allgemein gesag is das Thema dieses Kurses die Ersellung, Simulaion und Unersuchung von Modellen räumlich homogener dynamischer Syseme aus Naur und Technik. Wir haben
MehrKosten der Verzögerung einer Reform der Sozialen Pflegeversicherung. Forschungszentrum Generationenverträge Albert-Ludwigs-Universität Freiburg
Kosen der Verzögerung einer Reform der Sozialen Pflegeversicherung Forschungszenrum Generaionenverräge Alber-Ludwigs-Universiä Freiburg 1. Berechnungsmehode Die Berechnung der Kosen, die durch das Verschieben
Mehr( ) a) Berechnen Sie unter Angabe des Rechenwegs die im Output fehlenden Werte für (5 Punkte) a1) den t-wert für b 1 ; t 0.099
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina. Riphahn, Ph.D. Muserlösung zur Diplomvorprüfung Saisik II Einf. Ökonomerie im S 05/06 korrigiere Fassung v. 7.06.007 Aufgabe : [45 Punke] Eine
MehrTechnische Universität München. Lösung Montag SS 2012
Technische Universiä München Andreas Wörfel Ferienkurs Analysis für Physiker Lösung Monag SS 0 Aufgabe Gradien und Tangene ( ) Besimmen Sie zur Funkion f(x, y) = x y + xy + y die pariellen Ableiungen,
Mehr14 Kurven in Parameterdarstellung, Tangentenvektor und Bogenlänge
Dr. Dirk Windelberg Leibniz Universiä Hannover Mahemaik für Ingenieure Mahemaik hp://www.windelberg.de/agq 14 Kurven in Parameerdarsellung, Tangenenvekor und Bogenlänge Aufgabe 14.1 (Tangenenvekor und
Mehr2.2 Rechnen mit Fourierreihen
2.2 Rechnen mi Fourierreihen In diesem Abschni sollen alle Funkionen als sückweise seig und -periodisch vorausgesez werden. Ses sei ω 2π/. Wir sezen jez aus Funkionen neue Funkionen zusammen und schauen,
MehrMasse, Kraft und Beschleunigung Masse:
Masse, Kraf und Beschleunigung Masse: Sei 1889 is die Einhei der Masse wie folg fesgeleg: Das Kilogramm is die Einhei der Masse; es is gleich der Masse des Inernaionalen Kilogrammprooyps. Einzige Einhei
MehrLineare Algebra I - Lösungshinweise zur Klausur
Insiu für Mahemaik Winersemeser 0/3 Universiä Würzburg 0 Februar 03 Prof Dr Jörn Seuding Dr Anna von Heusinger Frederike Rüppel Lineare Algebra I - Lösungshinweise zur Klausur Aufgabe : (0 Punke) Zeigen
MehrKurs Empirische Wirtschaftsforschung
Kurs Empirische Wirtschaftsforschung 5. Bivariates Regressionsmodell 1 Martin Halla Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz 1 Lehrbuch: Bauer/Fertig/Schmidt (2009), Empirische
MehrPrognoseverfahren: Gewogener gleitender Durchschnitt, Exponentielle Glättung erster und zweiter Ordnung
4202 KE2 Quaniaive verfahren verfahren: Gewogener gleiender Durchschni, Exponenielle Gläung erser und zweier Ordnung Ein Unernehen öche die Nachfrage nach eine Produk prognosizieren. Dabei sollen ier die
MehrKapitel 4. Versuch 415 T-Flipflop
Kapiel 4 Versuch 415 T-Flipflop Flipflops, die mi jeder seigenden oder mi jeder fallenden Takflanke in den engegengesezen Zusand kippen, heissen T Flipflops ( Toggle Flipflops ). T-Flipflops können aus
MehrC. Abituraufgabe MV GK 2006 B1
9.5.216 biuraufgabe MV GK 26 B1 Die bbildung zeig einen usschni einer Nuklidkare. Die Linie k wird im Bereich leicher Kerne als Sabiliäslinie bezeichne. omkerne auf oder dich neben dieser Linie sind sabil.
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz und Jens Kolbe Econ Boot Camp 2013 SFB 649 Ökonomisches Risiko Immo ist wichtig 2 Economist, 2002 Krise, 2008 Immo
MehrWORKING PAPERS Arbeitspapiere der Betrieblichen Finanzwirtschaft
WORKING PAPERS Arbeispapiere der Berieblichen Finanzwirschaf Lehrsuhl für Beriebswirschafslehre, insbes. Beriebliche Finanzwirschaf Bfw29V/03 Zusandsabhängige Bewerung mi dem sochasischen Diskonierungsfakor
MehrKurs 9.3: Forschungsmethoden II
MSc Banking & Finance Kurs 9.3: Forschungsmehoden II Zeireihenanalyse Lernsequenz 04: Regression zwischen Zeireihen / ARMA-Modelle November 014 Prof. Dr. Jürg Schwarz Folie Inhal Ziele 5 Regression zwischen
Mehr