Bedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung
|
|
- Leopold Küchler
- vor 6 Jahren
- Abrufe
Transkript
1 Konzentration Bedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung dynamische Konzentration: zur Charakterisierung der Zunahme einer Ungleichverteilung 01 Maÿzahlen der statischen Konzentration Eine Maÿzahl der Konzentration zeigt, wie sich eine gesamte Merkmalssumme auf die einzelnen Elemente (Merkmalsträger) aufteilt Die zwei extremen Fälle sind: maximale Konzentration: der gesamte Merkmalsbetrag entfällt auf einen einzigen Merkmalsträger Ungleichverteilung des gesamten Merkmalsbetrages minimale Konzentration: der gleiche Anteil des Merkmalsbetrags entfällt auf jeden Merkmalsträger Gleichverteilung des gesamten Merkmalsbetrages Zwei Konzepte der statischen Konzentration: absolute Konzentration: wenn ein Groÿteil des gesamten Merkmalsbetrages auf eine kleine Anzahl von Merkmalsträgern entfällt relative Konzentration:(oder Disparität) wenn ein Groÿteil des gesamten Merkmalsbetrages auf einen kleinen Anteil von Merkmalsträgern entfällt 011 Maÿzahlen der absoluten Konzentration Konzentrationsrate: jener Anteil am gesamten Merkmalsbetrag, der auf die gröÿten m Merkmalsträger entfällt (auch genannt als: Konzentrationskoezient, Konzentrationsgrad oder Konzentrationsverhältnis) Sind die Elemente x i nach ihrer Gröÿe geordnet: x 1 x 2 x n, so hat man i=n m+1 C m = x i n i=1 x = z i, i i=n m+1 wo z i den Anteil des einzelnen Merkmalsträgers x i am gesamten Merkmalsbetrag i=1 x i bezeichnet: z i = P xi n i=1 xi Herndahl-Index: benutzt man dann, wenn man die Information über die Ungleichverteilung der Elemente nicht nur mit Hilfe der m gröÿten Elemente berechnen will, sondern die gesamte in der Verteilung enthaltene Information bekommen will H = n zi 2 = i=1 i=1 x2 i ( i=1 x i) 2 1
2 Zur Berechnung des Herndahl-Index müssen die Elemente nicht unbedingt nach Gröÿe geordnet werden Ist die Konzentration maximal, also z 1 = z 2 = = z n 1 = 0 und z n = 1, dann H = 1, Ist die Konzentration minimal, also z 1 = z 2 = = z n = 1 n, dann H = 1 n, Es gilt also 1 n H 1 Zusammenhang zwischen Herndahl-Index und Varitionskoezient V = σ x ist H = 1 n (V 2 + 1) = 1 ( ) σ 2 n x Bemerkung 01 Sind den einzelnen Elementen Häugkeiten zugeordnet oder hat man klassierte Daten, so rechnet man mit den entsprechenden gewogenen Formeln 012 Maÿzahlen der relativen Konzentration Also: Wie viel Prozent der Summe der Merkmalsausprägungen entfallen auf wie viel Prozent der Merkmalsträger? Lorenz-Kurve veranschaulicht die Konzentration durch die Darstellung der eines Streckenzugs im Einheitsquadrat (oder im Quadrat) des Koordinatensystems Auf der Abszisse ist die kumulierte relative Häugkeit (G i ), auf der Ordinate ist die kumulierte relative Wertsumme (Z i ) dargestellt Also man stellt die kumulierte relative Wertsumme in Abhängigkeit der kumulierten relativen Häugkeit dar Je stärker die Konzentration, desto stärker erscheint die Lorenz-Kurve nach rechts unten gebaucht, also desto gröÿer ist die Konzentrationsäche, also die Fläche zwischen Hauptdiagonale des Quadrates und der Lorenz-Kurve Lorenz-Münzner-Koezient ist der Quotient der Konzentrationsäche und der Fläche unterhalb der Hauptdiagonale des Quadrates: K = n 2V n 1, wo V = Z i 1 2 Man hat 0 K 1 Man kann auch berechnen K = G 2 x, wo G = i=1 j=1 xi xj n 2 Bemerkung 02 Sind den einzelnen Elementen Häugkeiten zugeordnet, so rechnet man mit den entsprechenden gewogenen Formeln Hat man klassizierte Daten, so repräsentiert die Klassenmitte x i jede Klasse Zur Berechnung des Lorenz-Münzner-Koezienten kann man folgene Arbeitstabelle verwenden: i x i g i G i G i 1 x i g i z i = P xigi xig i Z i G i 1 z i G i z i 1 xi g i 1 G i 1 z i Gi z i Die einzelnen Spalten sind: 2
3 - i: die Nummer der Klasse - x i : der Merkmalswert (o: Klassenmitte) - g i : die relative Häugkeit der Klasse - G i : die kumulierte relative Häugkeit der Klasse - x i g i : Beitrag der Klasse zum gesamten Merkmalsbetrag - z i : Anteil der Klasse am gesamten Merkmalsbetrag (Anteil an der Merkmalssumme) - Z i : der kumulierte Anteil der Klasse am gesamten Merkmalsbetrag - G i 1 z i und G i z i sind die nötigen Spalten, um den Lorenz-Münzner-Koezienten zu berechnen: K = G i 1 z i + G i z i 1 Beispiel 01 Die folgende Tabelle enthält die Ertragszahlen der 8 gröÿten Unternehmen der Fahrzeugindustrie in 1999: Unternehmen Ertrag in Milliarden USD General Motors 176, 6 Ford Motor 162, 6 Daimler Chrysler 156, 2 Toyota 122, 0 Mitsubishi 113, 2 Volkswagen 75, 4 Honda 59, 8 Boeing 57, 9 (a) Berechnen wir die Konzentrationsrate C 2 und C 3! (b) Berechnen wir den Herndahl-Index! (c) Berechnen wir den Lorenz-Münzner-Koezienten! (d) Stellen wir die Lorenz-Kurve dar! Lösung: Wir schreiben x i statt Ertrag in Milliarden USD, z i bezeichnet den Anteil am gesamten Merkmalsbetrag und Z i bezeichnet die kumulierten Anteile am gesamten Merkmalsbetrag Unternehmen x i z i Z i 100 Z i Boeing 57, 9 0, 062 0, 062 6, 2 Honda 59, 8 0, 065 0, , 7 Volkswagen 75, 4 0, 082 0, , 9 Mitsubishi 113, 2 0, 123 0, , 2 Toyota 122, 0 0, 132 0, , 4 Daimler Chrysler 156, 2 0, 169 0, , 3 Ford Motor 162, 6 0, 176 0, , 9 General Motors 176, 6 0, 191 1, , 0 923, 7 1 3, 636 3
4 (a) C 2 = 0, , 176 = 0, 367, also 36,7% Anteil haben die zwei gröÿten Fahrzeugunternehmen vom Gesamtertrag der 8 untersuchten Unternehmen (b) H = C 3 = 0, 191+0, 176+0, 169 = 0, 536, also 53,6% Anteil haben die drei gröÿten Fahrzeugunternehmen vom Gesamtertrag der 8 untersuchten Unternehmen i=1 x2 i ( i=1 xi)2 = , ,69 = 0, 1434 (c) Aus der Summenzeile der Z i -Spalte bekommnt man V = 3, 136, woraus ist K = 8 2 3, , 247 Anderswie: G = 3192,2 8 49, 878 K = 49, ,463 0, 220 (d) Die Lorenzkurve ist Kumulierte Anteile am gesamten Merkmalsbetrag Kumulierte Anteile der Merkmalsträger Beispiel 02 Nach der Weltbank waren im Jahre 1999 die reichsten 20% der Weltbevölkerung im Mittel 12 mal so reich wie die ärmsten 20% (gemessen in Kaufkraft-Einheiten) sowie die Mittelklasse (alle anderen) im Mittel viermal so reich Zeichnen wir die Lorenzkurve und berechnen wir den Lorenz-Münzner- Koezienten! Lösung: Wir erstellen die Arbeitstabelle Die Klassen 1,2 und 3 stehen für arm,mittelklassig und reich i x i g i G i G i 1 x i g i z i = P xigi xig i Z i G i 1 z i G i z i 1 1 0, 2 0, 2 0 0, 2 0, 04 0, , , 6 0, 8 0, 2 2, 4 0, 48 0, 52 0, 096 0, , 2 1 0, 8 2, 4 0, , 384 0, , 48 0, 872 So ist der Lorenz-Münzner-Koezient K = 0, 872+0, 48 1 = 0, 352 (die relative Konzentration des Weltreichtums) Die Lorenzkurve ist 4
5 Zi Gi Aufgaben: (25-40 Aufgaben) 5
WISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
Mehr7. Konzentrations- und Disparitätsmessung
7. Konzentrations- und Disparitätsmessung Betrachte: Merkmal X, bei dem alle Daten x i 0 sind und die Merkmalssumme n i=1 x i eine sinnvolle Interpretation besitzt (extensives Merkmal) 314 Beispiel: X:
MehrKapitel VII - Konzentration von Merkmalswerten
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrBeispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil 2)
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil ) Aufgabe (Lorenzkurve und Einkommen) Stellen Sie folgende Einkommensverteilung als Lorenzkurve dar. Wochenlohn Häufigkeit 500-599.99
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrSMALL & CR4 40 (N = 63) F E/F F E/F F E/ F 25% %
1 Beispiel 4 (Die Lorenzkurve in der Betriebswirtschaft) Example 4.1 (The distribution of firms in Germany) Source: Vivek Ghosal, Prakash Loungani, The differential impact of incertainty on investment
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg Streuungsparameter Etschberger SS Voraussetzung: kardinale Werte x,..., x n Beispiel:
MehrWirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007
Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:
Mehr4 Konzentrationsmessung
4 Konzentrationsmessung 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten (Frage zum Beispiel: Welchen Anteil
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
Mehr4 Konzentrations- und Armutsmessung
4 Konzentrations- und Armutsmessung 222 4.1 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. Fahrmeir, L. & Künstler, R. & Pigeot,
MehrGRUPPE B Prüfung aus Statistik 1 für SoziologInnen
GRUPPE B Prüfung aus Statistik 1 für SoziologInnen 16. Oktober 2015 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( )
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrKlausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr.
Hochschule Darmstadt Fachbereich MN Prof. Dr. Dietrich Baumgarten Darmstadt, den 9.7.2012 Klausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr. Aufgabe 1 2 3 4 5 6 Summe Note Punkte 1 Aufgabe
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrDeskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten
Deskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Einleitung 2. Lorenzkurve
MehrStatistik I für Betriebswirte Vorlesung 10
Statistik I für Betriebswirte Vorlesung 10 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 13. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
Mehrswiss marketing academy GmbH Seite 1 von 11
AUFGABE 1a Nennen Sie 3 fallbezogene Gliederungszahlen und beschreiben Sie pro Gliederungszahl die Aussagekraft. 6 Punkte Gliederungszahl = Verhältnis eines Teiles zum gleichartigen Ganzen. Nennung Beschreibung
MehrVerhältniszahlen. 0.1 Gliederungszahlen. 0.2 Beziehungszahlen
Verhältniszahlen Denition 01 Eine Verhältniszahl ist der Quotient zweier Zahlen, die in einem sachlogischen Verhältnis stehen Verhältniszahlen werden unterteilt in: Gliederungszahlen Beziehungszahlen Messzahlen
MehrÜbungsblatt 3. Größe in cm Anzahl der (Klassenmitten) Studenten ges:100
Aufgabe 1: Übungsblatt 3 Die Körpergröße von 100 Studenten sei wie folgt verteilt: Größe in cm Anzahl der (Klassenmitten) Studenten 158 1 162 6 166 10 170 22 174 21 178 17 182 14 186 5 190 3 194 1 ges:100
MehrIndizes (Indexzahlen)
Indizes (Indexzahlen) Denition 01 Eine Indexzahl beschreibt die durchschnittliche relative Veränderung mehrerer Messzahlen durch eine einzige Zahl Die Messzahlen werden mit einem Gewicht versehen und zusammengefasst
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrStatistik Tutorium SS Aufgabensammlung
Statistik Tutorium SS 2007 Felix Holter Felix.Holter@web.de Aufgabensammlung 1. Begriffsdefinition: Statistische Masse, Merkmalsträger, Merkmal und Merkmalsausprägung 2. Welche unterschiedlichen Merkmale
MehrDeskriptive Statistik
Seminar für Statistik Universität Mannheim Lösungen zu den Zusatzaufgaben der Veranstaltung Deskriptive Statistik Lösung zu Zusatzaufgabe 1 In einem Histogramm mit Klassenbreiten b i und Säulenhöhen h
MehrRuhr-Universität Bochum
Aufgabe 1: Die nachfolgende Tabelle zeigt die Privathaushalte in Nordrhein-Westfalen nach dem monatlichen Nettoeinkommen im Mai 2004 (Ergebnisse des Mikrozensus. Quelle: Landesamt für Datenverarbeitung
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
MehrApproximation der Binomialverteilung durch die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 4.0.007 Approimation der Binomialverteilung durch die Normalverteilung Histogramme von Binomialverteilungen sind für nicht zu kleine n glockenförmig. Mit größer
MehrStatistik. Übungsserie FS Dauer: 45 Minuten. Name: Vorname: Maximale Punktzahl: 37. Erreichte Punktzahl: Prozente: Note:
Statistik Übungsserie FS 2014 Dauer: 45 Minuten Name: Vorname: Maximale Punktzahl: 37 Erreichte Punktzahl: Prozente: Note: Punkte Note 34 6 31 5.5 27 5 24 4.5 20 4 17 3.5 13 3 10 2.5 7 2 3 1.5 0 1 Aufgabe
Mehr3. Quintil. 2. Quintil
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve) Aufgabe Stellen Sie die Einkommensungleichheit in Argentinien, Brasilien, Costa Rica, Chile, Mexico, Panama, Peru und Venezuela mit Hilfe
MehrSkript zur Vorlesung Statistik
Skript zur Vorlesung Statistik Dietrich Baumgarten «28. November 2012 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Übersicht und Lernziele........................... 1 1.2 Zum Begri Statistik.............................
MehrInstitut für Statistik. Masterarbeit. über das Thema. Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden.
Institut für Statistik Masterarbeit über das Thema Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden Autorin: Betreuer: Carina Landgraf Prof. Dr. Heumann Abgabedatum: 22. September
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrAufgabe 1. Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2016/17 Aufgabe 1 Das neue Universitätsgebäude
MehrRunden Sie in den Aufgaben alle Zahlen auf zwei Nachkommastellen genau.
Runden Sie in den Aufgaben alle Zahlen auf zwei Nachkommastellen genau. Aufgabe 1 (8 P gesamt) Ordnen Sie den konkreten Bezeichnungen in den Zeilen jeweils passende statistische Begrifflichkeiten in den
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrPrüfung aus Statistik 1 für SoziologInnen. Musterlösung
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 2 Stunden Musterlösung Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort
MehrKlausur: Statistik. Jürgen Meisel. Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung. 1.) Mittelwerte und Streumaße
Klausur: Statistik Jürgen Meisel Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung Bearbeitungszeit: 60 Minuten 1.) Mittelwerte und Streumaße In einer Vorlesung auf der Universität sitzen 30 Studenten
MehrRepetitionsaufgaben: Einführung des Begriffes Funktion
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Einführung des Begriffes Funktion Zusammengestellt von Jörg Donth, KSR Lernziele: - Sie kennen die Begriffe Funktion, Funktionswert, Argument der Funktion,
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 4 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrDie größten Automobilhersteller weltweit. Eine Analyse wichtiger Bilanzkennzahlen April bis Juni 2012
Die größten Automobilhersteller weltweit Eine Analyse wichtiger Bilanzkennzahlen April bis Juni 2012 Design der Studie Quellen: Quartals- und Geschäftsberichte sowie Pressemitteilungen der Unternehmen,
Mehr1. Kapitel: Ziele der Wirtschaftspolitik. A: Vorbemerkungen. B: Ziele des Stabilitätsgesetzes
S. 1 Gliederung 1. Kapitel: Ziele der Wirtschaftspolitik A: Vorbemerkungen B: Ziele des Stabilitätsgesetzes C: Ergänzende Ziele zum Zielkatalog des StabG 1. Schutz des Wettbewerbs 2. Gerechte Einkommensverteilung
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrFormeln und Aufgaben über arithmetische und geometrische Reihen
Formeln und Aufgaben über arithmetische und geometrische Reihen Dietrich Baumgarten «17. Januar 014 Inhaltsverzeichnis 1 Arithmetische und geometrische Folgen 1 1.1 Zusammenfassung...............................
MehrPolynome. Analysis 1 für Informatik
Gunter Ochs Analysis 1 für Informatik Polynome sind reelle Funktionen, die sich ausschlieÿlich mit den Rechenoperation Addition, Subtraktion und Multiplikation berechnen lassen. Die allgemeine Funktionsgleichung
MehrDie größten Automobilhersteller weltweit. Eine Analyse wichtiger Bilanzkennzahlen Kalenderjahr 2013
Die größten Automobilhersteller weltweit Eine Analyse wichtiger Bilanzkennzahlen Kalenderjahr 203 Design der Studie Peter Fuß Ernst & Young GmbH Wirtschaftsprüfungsgesellschaft Partner/Wirtschaftsprüfer/
MehrGrundlagen der Statistik Übung FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft
Grundlagen der Statistik Übung 5 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrHochschule Bremerhaven Medizintechnik Mathcad Kapitel 6
6. Diagramme mit Mathcad In diesem Kapitel geht es um andere, als X Y Diagramme. 6.. Kreisdiagramme. Schritt: Die darzustellende Funktion muß zunächst als Funktion definiert werden, zum Beispiel f(x):=
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben
MehrVon Dierfeld bis Mainz
Von Dierfeld bis Mainz Von Günter Ickler Am 31. 12. 2004 lebten 4 061 105 Menschen in RheinlandPfalz. Diese verteilt sich auf insgesamt 2 306. In keinem anderen Bundesland ist die Zahl der so groß. In
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2014 Aufgabe 1 Eine Auswertung
MehrBitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.
Übungsblatt 1 - Häufigkeiten, Mittelwert, Erwartungswert Das erste Übungsblatt ist als Einstieg ins Thema Wahrscheinlichkeitsrechnung gedacht und umfasst die Themen relative/absolute Häufigkeiten, Mittelwert
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines
MehrKapitel 6: Konzentrations- und Disparitätsmessung
Kapitel 6: Konzentrations- und Disparitätsmessung. Konzentrationsbegriff und Konzentrationsmessung... 4 a) Absolute und relative, statische und dynamische Konzentration... 4 b) Konstruktion von Konzentrations-
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrStatistik Skalen (Gurtner 2004)
Statistik Skalen (Gurtner 2004) Nominalskala: Daten haben nur Namen(Nomen) und (eigentlich) keinen Zahlenwert Es kann nur der Modus ( ofteste Wert) berechnet werden Beispiel 1: Die Befragung von 48 Personen
MehrKapitel 3: Eindimensionale Häufigkeitsverteilungen
Kapitel 3: Eindimensionale Häufigkeitsverteilungen. Unklassierte Daten...29 a) Häufigkeitsverteilung...29 b) Tabellen und Graphiken...3 c) Summenhäufigkeiten...34 2. Klassierte Daten...38 a) Größenklassen...38
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
Mehr5 Grundlagen der Differentialrechnung
VWA-Mathematik WS 2003/04 1 5 Grundlagen der Differentialrechnung 5.1 Abbildungen Unter einer Abbildung f, f:d W, y= f( ) von einer Menge D (Definitionsbereich) in eine Menge W (Wertemenge) versteht man
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrAbb Gini-Koeffizient
Abb. 13.1 Gini-Koeffizient Der Gini-koeffizient ist ein mass für die Ungleichverteilung von Einkommen oder Vermögen innerhalb einer Bevölkerung. Dabei werden auf der Abszisse die Anzahl der Familien geordnet
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrEuklidische Algorithmus, Restklassenringe (Z m,, )
Euklidische Algorithmus, Restklassenringe (Z m,, ) Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 14 Gröÿter gemeinsamer Teiler Denition 1. [Teiler] Eine Zahl m N ist Teiler von n Z, wenn der
MehrSpezielle Eigenschaften der Binomialverteilung
Spezielle Eigenschaften der Binomialverteilung Wir unterscheiden: 1) die Wahrscheinlichkeitsfunktion einer diskreten Variablen 2) die Verteilungsfunktion einer diskreten Variablen. 1) Die Wahrscheinlichkeitsfunktion
MehrBeschreibung von Daten
Kapitel 2 Beschreibung von Daten In diesem Kapitel geht es um die Beschreibung von empirisch erhobenen Daten Größere Datenmengen sind schwer zu überblicken Weil ein Bild leichter als eine Ansammlung von
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
MehrF r a g e n k a t a l o g
F r a g e n k a t a l o g 1. Was ist eine Konstante? 2. Was ist eine Variable? 3. Was ist ein Datum? 4. Welche Werte haben Variablen? 5. Was sind qualitative Variablen? 6. Was sind quantitative Variablen?
MehrMathematik für Biologen
Mathematik für Biologen Vorlesung SS 2011 Universität Heidelberg Elfriede Friedmann AG Numerik, IWR, Heidelberg 12. April 2011 Overview E. Friedmann AG Numerik, IWR, Heidelberg Mathe f. Biologen 3 Dang
MehrBinomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
MehrTechnische Universität München SS 2006 Zentrum Mathematik Blatt 2 Prof. Dr. J. Hartl
Technische Universität München SS 2006 Zentrum Mathematik Blatt 2 Prof. Dr. J. Hartl Höhere Mathematik 2 (Weihenstephan) 1. Die Gemeinde Fronhausen besteht aus drei Ortsteilen: Neudorf, Wulling und Marking.
MehrVoraussetzung für statistische Auswertung: jeder Fall besitzt in bezug auf jedes Merkmal genau eine Ausprägung
Rohdaten Urliste oder Rohdaten sind die auszuwertenden Daten in der Form, wie sie nach der Datenerhebung vorliegen. Dimensionen der Urliste sind die Fälle, Merkmale und ihre Ausprägungen. Voraussetzung
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
Mehr- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch
1 2 - Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch Badewannenkurve. -mit der Badewannenkurve lässt
MehrBild Nummer 1: Bild Nummer 2: Seite B 1
Bild Nummer 1: Bild Nummer 2: Seite B 1 Bild Nummer 3: Bild Nummer 4: Seite B 2 Bild Nummer 5: Bild Nummer 6: Seite B 3 Bild Nummer 7: Bild Nummer 8: Seite B 4 Bild Nummer 9: Bild Nummer 10: Seite B 5
MehrPrüfung zu. (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik. BeStat-1 (7 Punkte)
Klausurteil 1: Beschreibende Statistik 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu BeStat-1 (7 ) a) (1,5 ) Im Zeitraum 1975-006 hat sich der Umsatz eines Unternehmens verachtfacht. Bestimmen Sie die durchschnittliche
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goethe-Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Professur für Statistik und Ökonometrie (Empirische Wirtschaftsforschung) Prof. Dr. Reinhard Hujer Mertonstraße
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrStatistik I (17) 79. Untersuchen Sie die Daten aus Tabelle 1.
Schüler Nr. Statistik I (7) Schuljahr /7 Mathematik FOS (Haben Sie Probleme bei der Bearbeitung dieser Aufgaben, wenden Sie sich bitte an die betreuenden Lehrkräfte!) Tabelle : Die Tabelle wurde im Rahmen
MehrÜ 419 a Absolute Bezüge
Ü 419 a Absolute Bezüge Bezüge Benötigte Datei: Übungsmappe.xls Es gibt noch ein Problem: Wenn Sie eine einzige Zahl für mehrere Berechnungen brauchen, funktionieren relative Bezüge nicht. Aber - nach
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
Mehr