(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y
|
|
- Michaela Sternberg
- vor 6 Jahren
- Abrufe
Transkript
1 5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable nach folgender Regel: falls 0 sonst 0 (2 Zum Bespel: Pendler wählt Auto ( = oder Bus ( = 0 n Abhänggket des Zetunterscheds x ZetBus ZetAuto für senen Arbetsweg. In der grafsch dargestellten Stuaton stegt de Wahrschenlchket Prob ( 0 mt wachsendem x (blau schrafferte Flächen: x x Multplkaton von, und mt ener belebgen Konstanten st n desem Modell beobachtungsäquvalent. Deshalb wrd auf normert: u ~ N(0,.
2 5. Probt-Modelle Ökonometre II - Peter Stalder 2 Gemäss ( glt: Folglch: 0 u ( x und 0 u ( x Prob( Prob( 0 Prob ( u ( x Bezechnet f(u de Dchtefunkton der Standardnormalvertelung, so glt: Prob( u a a f( udu F( a f(u f(u: Dchtefunkton F(a 0 a u 0.5 F(a F(a: Kumulatve Vertelungsfunkton 0 a Folglch kann man schreben: Prob( Prob ( u ( x Prob( u x F( x Schätzung der Modellparameter und nach dem "Maxmum Lkelhood"- Verfahren.
3 5. Probt-Modelle Ökonometre II - Peter Stalder 3 Exkurs: "Maxmum Lkelhood"-Schätzung Allgemen formulert werden n ener ML-Schätzung de Modellparameter so bestmmt, dass der vorlegenden Stchprobe maxmale Wahrschenlchket zukommt (Maxmerung der Lkelhood-Funkton. Unter der Annahme enes normalvertelten Störterms lässt sch praktsch jedes Modell mt desem Verfahren schätzen. Häufg läuft ene ML-Schätzung auf ene enfache Klenstquadrateschätzung hnaus (z.b. Regresson. In bestmmten Fällen st jedoch de Klenstquadrateschätzung ncht anwendbar, so dass man explzt de Lkelhood-Funkton des Modells maxmeren muss (z.b. m Probt-Modell. Zur Verdeutlchung des ML-Verfahrens zwe smple Bespele:. Für ene Varable x legt de folgende Stchprobe vor x = 5, 6, 9, 3, 4, 2, 6. Unter welcher der folgenden ver Vertelungsannahmen N(, 2 kommt der gemachten Beobachtungsrehe de grösste Wahrschenlchket zu? a x ~ N(0, b x ~ N(0,8 c x ~ N(5, d x ~ N(5,4 Unter a wäre es extrem unwahrschenlch, ene Stchprobe we de vorlegende zu zehen; de Beobachtungswerte snd fast alle sgnfkant klener als 0. Unter b erschent de vorlegende Stchprobe etwas wenger unwahrschenlch, wel de grössere Varanz mehr Spelraum für Abwechungen nach unten lässt. Unter c legt der Mttelwert der Normalvertelung bem Stchprobenmttel, de klene Varanz macht jedoch de Beobachtungen 9 und 2 unwahrschenlch. Somt entsprcht d am ehesten ener "Maxmum Lkelhood"-Schätzung. De Parameter und 2 snd her so festgelegt, dass das Zehen ener Stchprobe we der vorlegenden durchaus möglch erschent. De Lkelhood-Funkton entsprcht dem Produkt der Dchtefunktonen für de 7 Beobachtungen, d.h. L = f(5f(6f(9f(3f(4f(2f(6, und und 2 werden so festgelegt, dass L für de gegebene Stchprobe maxmert wrd. 2. Ene Münze wrd 4 mal geworfen. Se fällt 3 mal auf Kopf und mal auf Zahl. We gross st de Wahrschenlchket für deses Ergebns unter der Annahme, dass de Münze regulär st (p = Prob(Kopf = 0.5? p ( p (Bnomal-Vertelung 3 3 We müssen wr p festlegen, damt der Stchprobe (3 mal Kopf, mal Zahl de grösstmöglche Wahrschenlchket zukommt? De Lkelhood-Funkton lautet: 4 L p 3 3 ( p Maxmerung von L (erste Abletung = 0 setzen führt zur Lösung p = Der maxmerte Wert der Lkelhood-Funkton st:
4 5. Probt-Modelle Ökonometre II - Peter Stalder 4 De Lkelhood-Funkton des Probt-Modells lautet: L F( x 0 F( x L(, (3 De Lkelhood-Funkton entsprcht dem Produkt der Wahrschenlchketen über alle Beobachtungen. Für de Beobachtungen mt = (Wahl Auto bzw. = 0 (Wahl Bus erschenen de entsprechenden Wahrschenlchketen Prob( F( x bzw. Prob( 0 F( x. Maxmerung von L bezüglch und ergbt de Schätzwerte ˆ und ˆ. Interpretaton der Schätzergebnsse Anhand der Schätzung lässt sch der Enfluss ener margnalen Erhöhung von x auf de Wahrschenlchket für Prob( = berechnen. Im Untersched zu ener lnearen Regresson st deser Enfluss ncht enfach durch gegeben, wel der Term x nnerhalb der kumulatven Normalvertelungsfunkton F(. erschent: Prob( F( x Der margnale Enfluss von x auf Prob( st durch F( x f ( x x gegeben (de Abletung der kumulatven Vertelungsfunkton F entsprcht der Dchtefunkton f. Der Effekt ener klenen Änderung von x auf Prob( hängt somt vom Nveau von x ab. Er st be x 0 am grössten, wel f(. an der Stelle 0 en Maxmum errecht bzw. F(. an der Stelle 0 maxmale Stegung aufwest. F( + x x Be mehreren erklärenden Varablen x x, x,... hängt der margnale, 2 3 Enfluss von x auch vom Nveau aller anderen erklärenden Varablen ab. j
5 5. Probt-Modelle Ökonometre II - Peter Stalder 5 Ft-Masse. Prozentualer Antel rchtg klassfzerter Realsatonen von nach der Regel: F( x 0.5 F( x Relatv guter Ft: Relatv schlechter Ft: 3 Fehlklassfzerungen 7 Fehlklassfzerungen F( + x F( + x x 0 + x 2. McFaddenR 2 : Basert auf enem Lkelhood-Rato Test. De Schätzwerte für und maxmeren de Lkelhood-Funkton (unrestrngert: L UR. Unter der Restrkton = 0 (ken Enfluss von x st F( konstant, wobe so festgelegt wrd, dass F( dem Mttelwert der entsprcht (= /n. In der Grafk entsprcht des ener horzontalen Lne, de nach dem ML-Krterum umso weter unten legt, je grösser der Antel der auf der Null-Lne st. Der unter deser Restrkton erhaltene Wert der Lkelhood-Funkton st klener (L R < L UR. Er st deutlch klener, wenn x vel erklärt. En ntutves Ft-Mass - analog zum üblchen R 2 - st: McFaddenR 2 log( LUR = log( L R Das McFaddenR 2 legt zwschen 0 und. Falls x überhaupt nchts erklärt, st L UR = L R und somt McFaddenR 2 = 0. Falls x de Realsatonen von I perfekt erklärt, st L UR =, log(l UR = 0 und folglch McFaddenR 2 =. Warum st L UR st n desem Fall glech? Wel n der Lkelhood-Funkton (3 alle Terme glech snd. Numersch brcht n desem Grenzfall de Maxmerung der Lkelhood-Funkton allerdngs zusammen.
6 5. Probt-Modelle Ökonometre II - Peter Stalder 6 Bespel Verkehrsmttelwahl ZetAuto ZetBus x ZetBus-ZetAuto =Auto, 0=Bus Dependent Varable: Y Method: ML - Bnar Probt Sample: 2 Included observatons: 2 Convergence acheved after 5 teratons Covarance matrx computed usng second dervatves Varable Coeffcent Std. Error z-statstc Prob. C alfa = X beta = Mean dependent var S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd Schwarz crteron Log lkelhood Hannan-Qunn crter Restr. log lkelhood Avg. log lkelhood LR statstc ( df McFadden R-squared Probablt(LR stat 4.30E-05 Obs wth Dep=0 Total obs 2 Obs wth Dep= 0
7 5. Probt-Modelle Ökonometre II - Peter Stalder 7 Dependent Varable: Y Method: ML - Bnar Probt Sample: 2 Included observatons: 2 Predcton Evaluaton (success cutoff C = 0.5 Estmated Equaton Constant Probablt Dep=0 Dep= Total Dep=0 Dep= Total P(Dep=<=C P(Dep=>C Total Correct % Correct % Incorrect Total Gan Percent Gan NA Von den 2 Beobachtungen snd 2 fehlklassfzert. Für ene Beobachtung st Prob( = > 0.5, das Indvduum nmmt aber trotzdem den Bus. Für ene Beobachtung st Prob( = < 0.5, das Indvduum fährt aber trotzdem mt dem Auto zur Arbet. De zwe Fehlklassfkatonen können auch grafsch gezegt werden:.0 Prob(Y = Y alfa+beta X Wahrschenlchketen der 2 Pendler, mt dem Auto zu fahren
8 5. Probt-Modelle Ökonometre II - Peter Stalder 8.0 Geschätzte Wahrschenlchketen Effekt ener Erhöhung von x um ( Mn. zusätzlcher Zetnachtel Bus Prob(Y = d(prob(y=/dx De Pendler Nr. 2 und 3 snd fehlklassfzert: Prob(Y= Y Wetere möglche Fragestellungen: Warum st der Effekt enes zusätzlchen -mnütgen Zetnachtels des Busses be Pendler Nr. 4 am grössten und be den Pendlern Nr. 6 und 8 klen? Schätzen Se ab, we vele Pendler auf den Bus umstegen würden, falls sch de Bus-Fahrzeten halberen!
6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
MehrVERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE
VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrKapitel 3: Interpretation und Vergleich von Regressionsmodellen
Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung
Mehr9 Diskriminanzanalyse
9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe
MehrFinanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1
Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrOperations Research II (Netzplantechnik und Projektmanagement)
Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
Mehrmit der Anfangsbedingung y(a) = y0
Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrRainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression
Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr. 55 14195 Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche
MehrH I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5
1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,
MehrAufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft
Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut
MehrStandortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung
Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrDiplomprüfung für Kaufleute 2001/I
Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
MehrValidierung der Software LaborValidate Testbericht
Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrAnwendungsmöglichkeiten von Lernverfahren
Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen
MehrReale Außenwirtschaft
Vorlesungsskrpt Reale Außenwrtschaft. Auflage (erwetert und verbessert), 007 Mchael Rauscher Glederung. Vorbemerkungen. Gegenstand der realen Außenwrtschaftstheore?. En emprsches Bld der nternatonalen
MehrChair of Software Engineering
1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten
MehrHat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?
Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung
MehrDer technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.
- 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens
MehrDie Zahl i phantastisch, praktisch, anschaulich
Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen
MehrInnovative Handelssysteme für Finanzmärkte und das Computational Grid
Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,
MehrJOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN
JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61
Mehr14 Überlagerung einfacher Belastungsfälle
85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung
Mehrtutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung
Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt
MehrOnline Algorithmen. k-server randomisiert Teil II
Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden
MehrGeld- und Finanzmärkte
Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
MehrDie Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern
MehrThermodynamik Prof. Dr.-Ing. Peter Hakenesch peter.hakenesch@hm.edu www.lrz-muenchen.de/~hakenesch
Thermodynamk Thermodynamk Prof. Dr.-Ing. Peter Hakenesch peter.hakenesch@hm.edu www.lrz-muenchen.de/~hakenesch Thermodynamk 1 Enletung 2 Grundbegrffe 3 Systembeschrebung 4 Zustandsglechungen 5 Knetsche
Mehr1 Lineare Paneldatenmodelle
Lneare Paneldatenmodelle. Quellen und Arten von Paneldaten.. Haushaltspanels In der Bundesrepublk gbt es nzwschen ene Rehe bedeutender Paneldatensätze, von denen das Sozo-ökonomsche Panel prvater Haushalte
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrJOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN
JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61
MehrEinführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002
Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrNumerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale
2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs
Mehr5. Transmissionsmechanismen der Geldpolitik
Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
Mehr4 Digitale Filter und Bildoperationen
Dgtale Flter und Bldoperatonen 51 4 Dgtale Flter und Bldoperatonen Blder welche durch ene Kamera augenommen wurden snd otmals ncht drekt ür ene nacholgende Bldanalyse geegnet. Gründe daür snd bespelswese
MehrReale Außenwirtschaft
Vorlesungsskrpt Reale Außenwrtschaft. Auflage (erwetert und verbessert), 007 Mchael Rauscher Glederung. Vorbemerkungen. Gegenstand der realen Außenwrtschaftstheore?. En emprsches Bld der nternatonalen
MehrF A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik
F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler
Mehr5. IS LM - Modell. Literatur: Blanchard / Illing, Kap. 4-5 Kromphardt, Teil D. Keynesianische Konsumtheorie
5. IS LM - Modell Lteratur: Blanchard / Illng, Kap. 4-5 Kromphardt, Tel D 1 Keynesansche Konsumtheore De Keynesansche Konsumtheore beschrebt en Glechgewcht auf dem Gütermarkt unter folgenden Annahmen:
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrVersuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells
Versuch C2: Monte-Carlo Smulatonen enes Ferromagneten m Rahmen des Isng-Modells 15. November 2010 1 Zelstellung Es glt de Temperatur des Phasenüberganges zwschen dem ferro- und paramagnetschen Verhalten
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrPARAMETERSTABILITÄT IN HEDONISCHEN BODENPREISMODELLEN
PARAMETERSTABILITÄT IN HEDONISCHEN BODENPREISMODELLEN ROBERT WIESER Fachberech Fnanzwssenschaft und Infrastrukturpoltk Department für Raumentwcklung, Infrastruktur- und Umweltplanung Technsche Unverstät
MehrLineare Regressionsanalyse mit SPSS
Unverstät Trer Zentrum für Informatons-, Medenund Kommunkatonstechnologe (ZIMK) Bernhard Baltes-Götz Lneare Regressonsanalyse mt SPSS 850 800 750 Y 0 700 5 5 X 0 0 X 0 5 5 04 (Rev. 40804) Herausgeber:
Mehr11 Chemisches Gleichgewicht
11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf
MehrBewertung von Derivaten mit finiten Differenzen
Bewertung von Dervaten mt fnten Dfferenzen Lutz Kruschwtz und Rolf Ketzler 22 Jul 2002 Inhaltsverzechns 1 Enführung 2 2 Rekaptulaton des Black Scholes Modells 2 3 Fnte Dfferenzen 3 31 Gtter und Dfferenzenbldung
Mehr1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl
0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de
Mehr