13. Übungswoche - Lösungen
|
|
- Sylvia Maus
- vor 6 Jahren
- Abrufe
Transkript
1 1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19 (Es gibt hier Ungenauigkeiten durch Rundung.) c) 1 -pf(4.0574,9,65) d) qf( ,9,65) e) Es wird die Nullypothese geprüft, dass die Mittelwerte in den Gruppen gleich sind: µ 1 = µ 2 =... = µ 10 f) Das Ergebnis ist signifikant bei α = 0.001, d.h. bei α = fällt die PG in den Ablehnungsbereich. g) Bei α = wird die Nullhypothese abgelehnt, da der P-Wert kleiner als ist. Bei α = kann die Nullhypothese nicht verworfen werden, weil der P-Wert größer als ist. h) i) Der P-Wert ist die Fläche rechts von Es ist nichts mehr zu erkennen, deshalb zeigen wir hier keine Abbildung. j) FG SQ(Res) DQ(Res) F(oderPG) Differenz Modell Modell
2 2 [ 4 ] Beispiel mit R Mit Hilfe einer Varianzanalyse soll bei einem medizinischem Experiment die Auswirkung verschiedener Medikamente i(i =1,..., 4) auf die Länge von Hasenföten untersucht werden. Die gemessenen Daten liegen in R im Datensatz Foeten in einer zweispaltigen Tabelle vor. Die einzelnen Spalten können mit Medikament bzw. Laenge aufgerufen werden. Das Ergebnis eines bestimmten R-Befehls ergibt folgende Ausgabe: Analysis of Variance Table Response: Laenge Df Sum Sq Mean Sq F value Pr(>F) factor(medikament) Residuals Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Der Befehl anova(aov(laenge factor(medikament))) erzeugt die obige R- Ausgabe. b) Es liegen insgesamt 104 Beobachtungen vor. c) Die Summe der Quadrate für das Modell 2 ist d) Unter der Nullhypothese gilt P(PG < ) = e) Die Prüfgröße ist F-verteilt mit 100 und 103 Freiheitsgraden. f) Der R-Befehl 1 -pf(1.4092,3,100) ergibt abgesehen von etwaigen Rundungen die Ausgabe g) Die Verteilungsfunktion der F-Verteilung mit 3 und 103 Freiheitsgraden hat an der Stelle den Wert Kapitel 13: Zeitreihen und Indizes [ 1 ] a) Goldpreis Jahr
3 3 b) Jahr Höchstpreis a = 1 a = 3 a = Goldpreis Goldpreis Goldpreis Jahr Jahr Jahr c) filter(gold,rep(1,3)/3); filter(gold,rep(1,7)/7) bzw. filter(gold,rep(1,11)/11)
4 4 [ 2 ] a) - d): Semester Anzahl Trend Anzahl - Trend Saisonkomponente Residuum SS WS4/ SS WS5/ SS WS6/ SS WS7/ SS WS8/ Studierende in Tausend SS04 SS05 SS06 SS07 SS08 Semester
5 5 100 Residuen SS04 SS05 SS06 SS07 SS08 Semester [ 3 ] Zeitreihe, additives und multiplikatives Modell Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Man spricht von einer Zeitreihe, wenn eine Variable zu verschiedenen aufeinanderfolgenden Zeitpunkten beobachtet wird. b) Verwendet man ein additives Modell für eine Zeitreihe, so ist der beobachtete Wert der Variablen gleich der Summe aus dem Trend und der Saisonkomponente. c) Bei einer Zeitreihe mit steigendem Trend ist oft ein multiplikatives Modell für die Beschreibung der Daten geeignet, wenn die Saisonschwankungen mit der Zeit deutlich größer werden. d) Wird das multiplikative Modell verwendet, so folgen die Logarithmen der Zeitreihe einem additiven Modell. e) Das Ziel einer logarithmischen oder anderen Transformation der Daten ist es, die Saisonschwankungen konstant zu machen. f) Ein Nachteil des multiplikativen Modells ist es, dass man keine Zerlegung der Ursprungsdaten erhalten kann. g) Saisonkomponente und Saisonfaktor bedeuten dasselbe.
6 6 [ 4 ] a) Beamte: Angestellte: b) Beamte: Angestellte: c) Beamte: Angestellte: d) Beamte: Angestellte: e) Beamte: Angestellte: [ 5 ] Preismessziffern Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Eine Preismessziffer vergleicht die Preise zum Zeitpunkt t mit dem Preis einer Basisperiode t = 0. b) Ist die monatlich berechnete Preismessziffer zum Zeitpunkt t gleich 1.30, so bedeutet dies, dass der Preis im Vergleich zum Vormonat um 30% gestiegen ist. c) Ist die Preismessziffer zum Zeitpunkt t gleich 1.20, so bedeutet dies, dass der Preis im Vergleich zum Basisjahr um 20% gestiegen ist. d) Preisindizes werden als gewichtete Durchschnitte der Preismessziffern berechnet, wobei der Gewichtungsfaktor als Umsatzanteil des Gutes am Gesamtumsatz zu interpretieren ist. [ 6 ] Preisindizes Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Der Verbraucherpreisindex ist ein gewichteter Durchschnitt der Umsätze der wichtigsten Verbrauchsgüter für einen typischen Haushalt. b) Preisindizes werden als gewichtete Durchschnitte der Preismessziffern berechnet, wobei der Gewichtungsfaktor als Umsatzanteil des Gutes am Gesamtumsatz zu interpretieren ist. c) Beim Preisindex nach Laspeyres sind die Gewichtungsfaktoren der einzelnen Güter des Warenkorbes zeitlich konstant. d) Beim Preisindex nach Laspeyres bleiben Änderungen der Mengen mit der Zeit unberücksichtigt. e) Beim Preisindex nach Paasche sind die Gewichtungsfaktoren von der Zeit abhängig, weil die Gewichtungsfaktoren die Preise zur Zeit t enthalten.
7 7 [ 7 ] Punkte: 2 IV07S2 Bei einer Varianzanalyse mit I = 5 Gruppen ergab sich die folgende unvollständige Arbeitstabelle. Berechnen Sie die Prüfgröße F. Modell FG SQ(Res) DQ(Res) F Differenz 4 1 /145 M M F = 60/29 = [ 8 ] Punkte: 4 WS08S2 Gegeben sei die folgende Zeitreihe mit Quartalsdaten und Saisonschwankungen I II III IV I II III IV I II III IV t x t T t ??? Berechnen Sie die Saisonkomponente für das Quartal II, sowie das Residual e 10. S II = e 10 = 0.375
8 8 [ 9 ] Punkte: 4 WS08S2 Die folgende Tabelle enthält die Preise und Mengen von vier Produkten in den Jahren 2 und 6: 2 6 Produkt Menge Preis Menge Preis A B C D Berechnen Sie für das Jahr 6 den Mengenindex nach Paasche Q P t und den Preisindex nach Laspeyres Pt L, jeweils bezogen auf das Basisjahr 2. Runden Sie Ihre Ergebnisse in Prozent jeweils auf die nächste ganze Zahl. Q P t = 125 P L t = 147
Statistik II für Betriebswirte Vorlesung 14
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 14 25. Januar 2013 8. Indizes 8.1. Einfache Indexzahlen Indizes (Indexzahlen, Indexzeitreihen)
MehrLineare Modelle in R: Einweg-Varianzanalyse
Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrGefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3.
SEMINAR FÜR STATISTIK Stand 17. April 23 UNIVERSITÄT MANNHEIM Aufgabensammlung zur Veranstaltung Deskriptive Statistik 1. Aufgabe Geben Sie für die Merkmale Einkommen Haarfarbe soziale Stellung Körperlänge
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrVersuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann
Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann Contents Aufgabe 1 1 b) Schätzer................................................. 3 c) Residuenquadratsummen........................................
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
Mehr8. Methoden der klassischen multivariaten Statistik
8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von
MehrIm Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.
Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrProf. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1
Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Aufgabe 1 a) BWL-Student S hat von seinem Lieblingsonkel 10.000 geschenkt bekommen mit der Auflage damit etwas Vernünftiges zu machen. Nachdem
MehrModul 14 (BA Bw) bzw. Modul 3 (BA IB) bzw. Modul 4 (BA IBM): Wirtschaftsstatistik Teil 1: Beschreibende Statistik
Fachhochschule Dortmund Wintersemester 12/13 Fachbereich Wirtschaft Prof. Dr. Laufner Studiengänge BA Betriebswirtschaft und BA International Business (Management) Übungsaufgaben zur Woche 7. + 8. 1. 13
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
Mehr(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))
Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:
Mehr5 Varianzanalytische Modelle, komplexere lineare Modell und Random Models
5 Varianzanalytische Modelle, komplexere lineare Modell und Random Models Auch in diesem Kapitel werden nur wenige statistische Hintergründe geliefert. Der Fokus des Kapitels liegt in der Einübung der
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrDIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007
Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrEinfache statistische Testverfahren
Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrChangePoint-Analysen - ein Überblick
ChangePoint-Analysen - ein Überblick Gliederung Motivation Anwendungsgebiete Chow Test Quandt-Andrews Test Fluktuations-Tests Binary Segmentation Recursive circular and binary segmentation algorithm Bayesscher
Mehr3. GRUNDBEGRIFFE DER VOLKSWIRTSCHAFTLICHEN GESAMTRECHNUNG (VGR)
3. GRUNDBEGRIFFE DER VOLKSWIRTSCHAFTLICHEN GESAMTRECHNUNG (VGR) 1 LERNZIELE KAPITEL 3: 1. Welches sind die Methoden der VGR? 2. Welche wichtigen volkswirtschaftlichen Kenngrößen gibt es? 3. Welche Dinge
MehrStatistik Einführung // Lineare Regression 9 p.2/72
Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
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
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
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
MehrStatistische Analyse von Ereigniszeiten
Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit
MehrDas Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe
Sozialberichterstattung NRW. Kurzanalyse 02/2010 09.07.2010 12.07.2010 Das Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe 2008
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
Mehr25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche
Ruhr-Universität Bochum 25. Januar 2010 1 / 75 2 / 75 4.1 Beispiel: Vergleich von verschiedenen Unterrichtsmethoden Zwei Zufallsstichproben (A und B) mit je 10 Schülern und 8 Schülern Gruppe A wird nach
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrBeschreibende Statistik und Wirtschaftsstatistik
Springer-Lehrbuch Karl Mosler Friedrich Schmid Beschreibende Statistik und Wirtschaftsstatistik Zweite, verbesserte Auflage Mit 41 Abbildungen und 2 Tabellen 4y Springer Univ.-Professor Dr. Karl Mosler
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrWarenkorb 1995. Konsumausgaben im Ost-West-Vergleich: Folie Ausgaben für den privaten Konsum, Dtld. 2003, Zahlenbilder 291 137
1.3.2 Der Warenkorb Aus dem Angebot an Gütern und Dienstleistungen werden etwa 750 ausgewählt, die den gesamten Verbrauch der privaten Haushalte sowie die Preisentwicklung der Güter repräsentieren. Diese
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
Mehr1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen
Modelle mit Interationsvariablen I Modelle mit Interationsvariablen II In der beim White-Test verwendeten Regressionsfuntion y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4 x 2 2 + β 5 x 1 x 2, ist anders
MehrMakroökonomie I Vorlesung # 1 Einführung
Makroökonomie I Vorlesung # 1 Einführung Makro I/Vorlesung Nr. 1 1 Lehrbuch: 1. Allgemeines Burda,M./C.Wyplosz: Macroeconomics: A European Text. 3.Auflage Oxford: Oxford University Press 2001 (ab dem 29.11)
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrStochastische Prozesse und Zeitreihenmodelle
Kapitel 12 Stochastische Prozesse und reihenmodelle [ Stochastische Prozesse und reihenmodelle ] Einleitung:.com-Blase an der NASDAQ Department of Statistics and Mathematics WU Wien c 2008 Statistik 12
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
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
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrDer Chi Quadrat Test nicht nur für die digitalen Ziffernanalyse geeignet
Der Chi Quadrat Test nicht nur für die digitalen Ziffernanalyse geeignet 1. Einleitung Seit Anfang 2002 finden elektronische Betriebsprüfungen auf der Grundlage der Grundsätze zum Datenzugriff und zur
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
MehrPreise Begriffe. Preisniveau Preisindex Inflation, Inflatinonsrate Deflation. Disinflation?
Preise Begriffe Preisniveau Preisindex Inflation, Inflatinonsrate Deflation Disinflation? Preisindex: Laspeyres P L = n i =1 n i=1 p i 1 * x i 0 p i 0 * x i 0 *100 Verbraucher-Preisindex Stimmen die Angaben?
Mehr(GENERAL FULL FACTORIALS)
TQU BUSINESS GMBH VOLLFAKTORIELLE VERSUCHSPLÄNE (GENERAL FULL FACTORIALS) Lernziele Sie können vollfaktorielle Versuchspläne auf und mehr Stufen erstellen. Sie kennen Haupteffekte und Wechselwirkungen
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/
MehrBMBF-Projekt Qualitätsmanagement für Hochdurchsatz-Genotypisierung
BMBF-Projekt Statusbericht TP 2 (Stats) "Informationsveranstaltung "Qualitätsmanagement für Hochdurchsatz- Genotypisierung", 21. Juni 2010, Berlin Bertram Müller-Myhsok, MPI Psychiatrie, München Grundlegende
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrVeranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):
Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung
MehrVolkswirtschaftliche Gesamtrechnung
Volkswirtschaftliche Gesamtrechnung Einführung in die Makroökonomie SS 2012 2. März 2012 Einführung in die Makroökonomie (SS 2012) Volkswirtschaftliche Gesamtrechnung 2. März 2012 1 / 47 Volkswirtschaftliche
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrProbeklausur Zeitreihenökonometrie (Sommersemester 2014) 1
Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die
MehrAbb. 30: Antwortprofil zum Statement Diese Kennzahl ist sinnvoll
Reklamationsquote Stornierungsquote Inkassoquote Customer-Lifetime-Value Hinsichtlich der obengenannten Kennzahlen bzw. Kontrollgrößen für die Neukundengewinnung wurden den befragten Unternehmen drei Statements
MehrWörterbuch Statistik. Für Statistiker und solche, die es werden wollen oder müssen. die wichtigsten Begriffe mit Formeln
Für Statistiker und solche, die es werden wollen oder müssen Prof. Dr. Bianca Krol Prof. Dr. Karsten Lübke Wörterbuch Statistik die wichtigsten Begriffe mit Formeln Liebe Studierende, Anfang Mai 2011 hat
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 1. Juli 2015 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Aufgabe 1 14 Punkte Ein Freund von Ihnen hat über einen Teil seiner Daten, die er
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
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
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
MehrRegression mit Gretl Eine erste Einführung 1
Kurzeinführung in Gretl S. 1 Regression mit Gretl Eine erste Einführung 1 Installation: Gretl für das entsprechende Betriebssystem herunterladen und die Setup-Datei ausführen. Hinweis: Für die Benutzung
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
Mehr1 Statistische Grundlagen
Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.
MehrAnalytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10
Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten
MehrKommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
MehrRegionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren
Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrEinführung in die Kovarianzanalyse (ANCOVA)
Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrMultivariate Zeitreihenanalyse mit EViews 4.1
Multivariate Zeitreihenanalyse mit EViews 4.1 Unterlagen für LVen des Instituts für Angewandte Statistic (IFAS) Johannes Kepler Universität Linz Stand: 30. Mai 2005, Redaktion: Frühwirth-Schnatter 1 Deskriptive
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,
MehrAuswertung der Online- Lärmumfrage des Umweltbundesamtes
INFORMATION 14.04.2011 Auswertung der Online- Lärmumfrage des Umweltbundesamtes Impressum Herausgeber: Umweltbundesamt Wörlitzer Platz 1 06844 Dessau-Roßlau E-Mail: pressestelle@uba.de Internet: www.umweltbundesamt.de
MehrPrognosen. Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. Auch ein Weiser hat nicht immer recht Prognosefehler sind hoch
Universität Ulm 8969 Ulm Germany Dipl.-WiWi Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 8/9 Prognosen
Mehr