Multivariate Analysemethoden
|
|
- Eleonora Geisler
- vor 6 Jahren
- Abrufe
Transkript
1 Multivariate Analysemethoden Thema: Multidimensionale Skalierung () Günter Meinhardt Johannes Gutenberg Universität Mainz
2 Multidimensionale Skalierung Thema Multidimensionale Skalierung Problem: Positionierung von Messobjekten in einem latenten Raum (hier: Wahrnehmungsraum) Möglichkeiten: Faktorenanalyse Multidimensionale Skalierung
3 - Faktorenanalyse Faktorenanalyse Vorgehen Man lässt Personen Eigenschaftsausprägungen von Objekten einschätzen (Item-Schätzskalen). Man faktorisiert die Skalen und betrachtet die Koordinaten der Objekte auf den neuen (unabhängigen) Dimensionen (= latenter Wahrnehmungsraum). Vorgehen Man lässt nur die Ähnlichkeit der Objekte beurteilen (ohne den direkten Bezug auf konkrete Eigenschaften) und probiert die Anordnung ( Konfiguration ) der Objekte in einem latenten Raum derart, dass die Ähnlichkeitsurteile möglichst gut reproduziert werden.
4 - Faktorenanalyse Latente Variable Faktorenanalyse Man möchte Objekte (Personen) in einem Raum latenter Dimensionen (Fähigkeiten, Traits) anordnen. Gegeben ist ein Set von Beobachtungen (Messvariablen) x, x,, x p Problem: Finde latente Variablen w, w,, wr r p, so dass jede Variable x k eine Linearkombination der w l ist: x b w b w b w k k k kr r Beispiel: Das Abschneiden im Abitur mit Deutsch, Mathe, Physik, Latein und Geographie wird erklärt aus latenten Variablen Memory, Induction, Perceptual Speed, Space, Verbal Comprehension.
5 - Faktorenanalyse Latente Variable Multidimensionale Skalierung Man möchte Objekte (Personen) in einem Raum latenter Dimensionen anordnen. Gegeben ist ein Set von Beobachtungen über die (sensorischen) Distanzen der Objekte: (Distanzmatrix) D o o 0 o o o o d o d d 0 j j j j 0 n Problem: Finde latente Variablen w, w,, wr o d d d n n n nj 0 r n, so dass die Distanzen zwischen den Objekten auf den Koordinaten reproduziert werden. Beispiel: Man lässt Filmschauspieler paarweise nach Ähnlichkeit/Unähnlichkeit bewerten. Die soll den latenten Wahrnehmungsraum liefern, auf dem die Schauspieler angeordnet werden können, so dass die Ähnlichkeitsurteile reproduziert werden.
6 - Faktorenanalyse Faktorenanalyse Multidimensionale Skalierung Demo - Beispiel mit Excel und Statistica
7 Vorteile relevante Eigenschaften dürfen unbekannt sein (keine Verzerrung durch Vorauswahl) kann bereits bei Rangdaten eingesetzt werden (Ergebnisse sind mit metrischer quasi identisch) Nachteile Aggregation über Personen ist problematisch (Bezug auf verschiedene latente Dimensionen beim Urteil) Großer Interpretationsfreiraum beim Untersucher bei der inhaltlichen Benennung der Dimensionen (vage) - Lösung ist nicht algorithmisch (Keine Garantie die beste Lösung gefunden zu haben) Lösung ist von weiteren Parametern abhängig (Distanzmodell, Anzahl der Dimensionen)
8 Städte- Beispiel Stuttgart Nürnberg München Köln Kassel Hannover Hamburg Frankfurt 847 Berlin Basel Stutt. Nürnberg München Köln Hanno- Kassel ver Hamburg Frankfurt Berlin Basel Distanzen von Städten in km
9 Rangreihe der Distanzen von Städten Stuttgart Nürnberg München Köln 5 5 Kassel 8 4 Hannover Hamburg 4 7 Frankfurt 45 Berlin Basel Stutt. Nürnberg München Köln Hanno- Kassel ver Hamburg Frankfurt Berlin Basel Städte- Beispiel
10 Städte- Beispiel - Konfiguration
11 Städte- Beispiel Konfiguration nach Rotation und Spiegelung
12 Anwendung Probleme Kommentar Die ist ein exploratives und nicht zur strengen Hypothesenprüfung geeignet Auffinden der Konfiguration (relative Lage der Objekte zueinander im Wahrnehmungsraum, wenn nur die Distanzen bekannt sind Bestimmung der Dimensionalität Bestimmung der Metrik Die Konfiguration ist unabhängig von Rotation und Spiegelung Es finden fast nur nichtmetrische Prozeduren Verwendung (Kruskal)
13 Ablauf. Messung von Ähnlichkeiten. Wahl des Distanzmodells. Ermittlung der Konfiguration 4. Zahl und Interpretation der Dimensionen 5. Aggregation von Personen
14 -. Messung von Ähnlichkeiten Methoden Rangreihe Ankerpunkt Rating Probleme: Rangreihungsmethode Ankerpunktmethode Ratingverfahren Es werden n über Paare geordnet von unähnlichstes Paar zu ähnlichstes Paar (bei grossem n kaum möglich) Jedes Objekt ist einmal Vergleichsobjekt (Anker) für alle anderen Objekte. Es werden soviele Rangreihen wie Objekte erstellt. Man erhält eine asymmetrische quadratrische Distanzmatrix, die in eine symmetrische überführt werden kann. Man bildet alle möglichen Paare und lässt diese, randomisiert dargeboten, auf einer Ratingskala nach Ähnlichkeit bewerten. Ties (Rangbindungen), Reliabilität der Ränge
15 -. Distanzmodell Euklidische Metrik p = x b k d kl m d x x kl kv lv v l a p p x a x x k l b x x k l 4 Objektdistanz d kl 0.6
16 -. Distanzmodell Minkowski- Metriken m d x x kl kv lv v p p p = p = p = Wahlkriterium Euklidische Metrik: Abstand der Objekte ist die Länge der Verbindungslinie. City-Block Metrik: Abstand der Objekte ist die Summe der einzelnen Koordinatendistanzen Supremum Metrik: Abstand der Objekte ist die größte der auftretenden Koordinatendistanzen Metrik muss nach inhaltlichen Gesichtspunkten gewählt Sein, Abstände werden in diesem Sinne interpretiert.
17 Distances/D-Hats Methoden der -. Konfiguration ermitteln Konfiguration ermitteln p = Shephard Diagramm Ausgehend von den Unähnlichkeiten u ist ein möglichst niedrig dimensionierter Raum zu finden, in dem die Distanzen d möglichst der Monotoniebeziehung genügen Wenn ukl uij dann dkl dij Shepard Diagram Distances d and D-Hats vs. Dissimilarity u Dissimilarity u
18 -. Konfiguration ermitteln Konfiguration ermitteln Unähnlichkeiten u Koordinaten x, x Start- Konfiguration 4 Rama Homa Becel Butter Rama 5 Homa 4 Becel 6 4 Rama Homa Becel Butter x 0 x 7 4 X Homa ; 7 Becel ; Rama ; 0; 4 Butter 4 Objekte(k,l) ; ; ;4 ; ;4 ;4 xkv x +5=6 4+=5 49+4=5 +6=7 64+9=7 8+=8 lv d(kl) Rg[d(k,l)] u(k,l) X
19 -. Konfiguration ermitteln Konfiguration ermitteln Start- Konfiguration d(k,l) Shephard - Diagramm Distance d(k,l) Disparity ^ d(k,l) Dissimilarity u(k,l) Abweichung von Distanz d und Disparität ˆd Gütemaß Stress Stress kl, d kl dˆ Faktor kl
20 -. Konfiguration ermitteln Konfiguration ermitteln Iterative Optimierung X Wahrnehmungsraum Homa Butter 4 Becel Alte Koordinaten Neue Koordinaten ^ Rama X
21 -. Konfiguration ermitteln Konfiguration ermitteln Iterative Optimierung X Wahrnehmungsraum Homa Butter 4 Becel Neue Koordinaten Shephard Diagramm Rama Stress berechnen X Gütemaß Stress Für jeden Iterationsschritt wird Stress bewertet. Iterationen so lange, bis Stress sich nicht mehr vermindert. (Stress ist Führungsfunktion für nichtlineare Optimierung.)
22 - 4. Dimensionen - Interpretation Anzahl Je mehr Dimensionen, desto geringer wird Stress Lösungen mit einer geringeren Anzahl von Dimensionen sind einfacher zu interpretieren Stress darf nicht 0 werden (uneindeutige Lösung) Trade-Off von Stress und Interpretierbarkeit Regeln An Interpretierbarkeit orientieren, ggf. Achsen rotieren Stress soll niedrig sein Anhaltswerte nach Kruskal Die Daten sollen einen gewissen Verdichtungsgrad Q haben, Q soll möglichst groß sein (Tabelle) Trade-Off Durch Erhöhung der Anzahl der Dimensionen wird trivialerweise eine Repräsentierbarkeit erreicht. Gleichzeitig strebt aber die Datenverdichtung gegen. Erhöhung der Anzahl der Objekte n führt zu besserer Verdichtung, aber auch zu schlechterer Urteilspräzision.
23 - 4. Dimensionen - Interpretation Verdichtung Q m = Anzahl Dimensionen n Anzahl der Ähnlichkeiten Q nm Anzahl der Koordinaten Q - Tabelle n m = m = Trade-Off Trade-Off von hohem Q- Wert & niedrigem Stress-Wert
24 - 4. Dimensionen - Interpretation Stressmaße SM d kl kl, dkl k,l dˆ kl SM kl kl kl, k,l d d kl dˆ d Stress-Güte Güte gering ausreichend gut ausgezeichnet perfekt SM SM Richtwert Werte zwischen gut und ausgezeichnet ergeben einen relativ glatten Anstieg im Shephard Diagramm
25 - 5. Aggregation Anzahl Die als klassisches dient der Ermittlung der Konfiguration einer Person. Aggregationen werden durchgeführt: Über die Ähnlichkeitsdaten wird aggregiert Über die Konfigurationen wird aggregiert Über spezielle Rechenverfahren werden Analysen über die Ähnlichkeitsdaten mehrerer Personen (replicated ) durchgeführt Diskussion Vor-und Nachteile der Techniken abwägen
Multidimensionale Skalierung
Multidimensionale Skalierung TU CHEMNITZ SEMINAR MULTIVARIATE VERFAHREN REFERENTEN: ANJA FLIEGNER, THOMAS KRANEBURG, FREDERIK SCHENGEL DOZENT DR. THOMAS SCHÄFER Inhalt 1. Was ist MDS? 2. Ablauf einer MDS-Analyse
MehrMultivariate Analysemethoden
Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick
MehrMultidimensionale Skalierung
Multidimensionale Skalierung Beispieldatei zur Datenanalyse Lehrstuhl für empirische Wirtschafts- und Sozialforschung Fachbreich Wirtschaftswissenschaft BUGH Wuppertal 2001 Multidimensionale Skalierung
MehrConjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe.
Conjoint Analyse CONsidered JOINTly Conjoint Analyse Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. traditionelle auswahlbasierte Wählen Sie bitte aus den Alternativen,
MehrDie Clusteranalyse 24.06.2009. Clusteranalyse. Grundidee Mögliche Anwendungsgebiete gg Vorgehensweise Beispiele. methodenlehre ll Clusteranalyse
Clusteranalyse Thomas Schäfer SS 2009 1 Die Clusteranalyse Grundidee Mögliche Anwendungsgebiete gg Vorgehensweise Beispiele Thomas Schäfer SS 2009 2 1 Die Clusteranalyse Grundidee: Eine heterogene Gesamtheit
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrStatistische Verfahren für das Data Mining in einem Industrieprojekt
Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrADAC Postbus Fahrplan
Linie 10 NRW Hannover Berlin (täglich) Route Bus 109 Bus 109 Bus 113 Bus 110 Bus 111 Bus 112 Bus 114 Bus 110 Bonn 07:55 13:55 Köln 08:40 14:40 Düsseldorf 06:45 11:45 Duisburg 9:45 12:45 Essen 07:20 12:20
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
MehrErgebnis. Tipp. Punkte. Tipp. Ergebnis. Punkte. Tipp. Ergebnis. Punkte. Punkte
1. Spieltag 05.08.2011 Borussia Dortmund - Hamburger SV 06.08.2011 FC Bayern München - Bor. Mönchengladbach 06.08.2011 Hertha BSC - 1. FC Nürnberg 06.08.2011 FC Augsburg - SC Freiburg 06.08.2011 Hannover
MehrMarktstudie. Markenkonzentrationsgrad in deutschen städten. auszug september 2011. FFF Hospitality Consult GmbH
Marktstudie Markenkonzentrationsgrad in deutschen städten auszug september 2011 Marktstudie Markenkonzentrationsgrad in deutschen städten auszug september 2011 Büro Dresden Büro Berlin Inhalt 3 inhaltsverzeichnis
MehrVoraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen
7. Clusteranalyse (= Häufungsanalyse; Clustering-Verfahren) wird der multivariaten Statistik zugeordnet Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut,
MehrErgebnisse zu den allgemeinen städtischen Lebensbedingungen
städtischen Lebensbedingungen Lebensqualität in Städten Erste Ergebnisse der zweiten koordinierten Bürgerbefragung 29 Anke Schöb Stadt Stuttgart Frühjahrstagung in Bonn 16. März 21 Arbeitsmarktchancen
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
MehrViel Spaß dabei Rolf Hichert. Bei Kommentaren oder Fragen hierzu: hotline@hichert.com
Schreckenskeller Beispiel 1: Niederlassungen Es soll hier gezeigt werden, wie durch Nennung der zu vermittelnden Botschaft, besser geeigneter Diagramme und höherer Informationsdichte ein schneller verständliches
MehrIteration history for the 2 dimensional solution (in squared distances)
Besondere BWL: Marketing (DPO 994) Prof. Dr. Wulff Plinke für Diplom-Kaufleute / Diplom-Volkswirte Wintersemester 200/2002 Die Klausur besteht aus vier Vorfragen und zwei Hauptthemen. Die vier Vorfragen
MehrRemote Management. Stefan Morell
Stefan Morell Remote Management Ein Verfahren zur Effizienzbestimmung in der verteilten Zusammenarbeit mittels Selbstwirksamkeit in der Automobilindustrie kassel university pre: Inhaltsverzeichnis Vorwort
MehrICE-Übersicht. Jahresfahrplan 2008. Zug Startbahnhof Zielbahnhof ICE Name
ICE-Übersicht Jahresfahrplan 2008 Quelle: Marcus Grahnert http://www.fernbahn.de Zug Startbahnhof Zielbahnhof ICE Name ICE 5 Hamburg Hbf Interlaken Ost ICE 1 ICE 10 Frankfurt(Main)Hbf Bruxelles/Brussel
Mehr!!! !!! Bundesligaspielplan Saison 2015/16! Hinrunde:! 1. Spieltag 14. bis 16. August 2015! Heim - Gast!
Bundesligaspielplan Saison 2015/16 Hinrunde: 1. Spieltag 14. bis 16. August 2015 Heim - Gast Bayern München - Hamburger SV Borussia Dortmund - Borussia Mönchengladbach Bayer Leverkusen - TSG 1899 Hoffenheim
MehrMarktforschung und Datenanalyse
Marktforschung und Datenanalyse Lehrstuhl für BWL, insb. Marketing von Prof. Dr. Reinhold Decker Dozentin: Anja Hörmeyer (M.Sc.) Universität Bielefeld, Lehrstuhl für BWL, insb. Marketing 1 Anja Hörmeyer
MehrStudie zur Kundenfreundlichkeit der deutschen Fernbusbahnhöfe (Auftraggeber FlixBus GmbH, in Zusammenarbeit mit der Hochschule Heilbronn)
Studie zur Kundenfreundlichkeit der deutschen Fernbusbahnhöfe (Auftraggeber FlixBus GmbH, in Zusammenarbeit mit der Hochschule Heilbronn) Über 70 % nutzen für die An- und Abreise öffentliche Verkehrsmittel
Mehr2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26 28
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrBonn und München Vorreiter für Strom aus Erneuerbaren Energien
Presseinformation 2. Dezember 2014 Presseinformation Klimaschutz weltweit und zu Hause Bonn und München Vorreiter für Strom aus Erneuerbaren Energien Vergleich der Grundversorger in den 20 größten Städten
MehrBerlin mit höchstem Zuwachs in ITK-Branche Schwache Finanzbranche bremst Frankfurt aus Immobilienwirtschaft mit wenig Beschäftigungsaufbau
P R E S S E M I T T E I L U N G Neue Untersuchung zu Top-15 Bürostandorten 2,2 Millionen mehr Bürobeschäftigte seit Finanzbranche auf Schrumpfkurs und Immobilienwirtschaft mit wenig Beschäftigungsaufbau
MehrBundesligatip 2015/2016. Teilnehmer
Bundesligatip 2015/2016 Teilnehmer Spieltag: 1 14.08.2015 Spieltag: 6 22.09.2015 Bayern München : Hamburger SV : Bayern München : Vfl Wolfsburg : Darmstadt 98 : Hannover 96 : Schalke 04 : Eintracht Frankfurt
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrProf. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
MehrBundesliga Spielplan 2009/2010
30.07.2009 UEL Q3 H 01./02.08.2009 DFB R1 06.08.2009 UEL Q3 R 07.08.2009 1 VfL Wolfsburg VfB Stuttgart 08./09.08.2009 1 Borussia Dortmund 1. FC Köln 08./09.08.2009 1 1. FC Nürnberg FC Schalke 04 08./09.08.2009
Mehr18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II)
Prinzipien der Fragebogenkonstruktion Seminar: Patricia Lugert, Marcel Götze 17.04.2012 Medien-Bildung-Räume Inhalt Fragebogenerstellung Grundlagen Arten von Fragen Grundlegende Begriffe: Merkmal, Variable,
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrPreis: kostenfrei Buchungsnummer: VA_21469 Anmeldeschluss: Freitag, 27.11.2015 Zielgruppen: Beschäftigte der Vertragspartner
Adventsbetreuung 2015 bei den Wolkenzwergen in Berlin Uhrzeit: 10:00 Uhr bis 14:00 Uhr Ort: Berlin Adresse: Wolkenzwerge Markgrafenstr. 20 D-10969 Berlin Buchungsnummer: VA_21469 030-26 39 71 0 / berlin@familienservice.de
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)
MehrInstitut für angewandte Datenanalyse GmbH
Institut für angewandte Datenanalyse GmbH 2 Conjoint-Verfahren im Vergleich Das erwartet Sie nachfolgend: 1. Motivation 2. Wichtigste Conjoint-Verfahren 3. Bisherige Vergleichs-Studien und Erkenntnisse
MehrDPF Dynamic Partial distance Function
DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image
MehrInvestitionsentscheidungsrechnung Kostenvergleichsrechnung
Bei der werden folgende Punkte bearbeitet: Definition KOSTEN unterschiedliche Kostenbegriffe entscheidungsrelevante Kosten Veränderung der Entscheidung durch Variation des Restwertes, der Abschreibungsart,
MehrFußball-Ergebnistipps, Saison 2015/16
Fußball-Ergebnistipps, Saison 2015/16 V1.0, Sven Guyet 2015 1. Spieltag (14.-16.08.2015) FC Bayern M ünchen - Hamburger SV : Borussia Dortmund - Borussia Mönchengladbach : Bayer 04 Leverkusen - TSG 1899
MehrVisualisierung hochdimensionaler Daten. Hauptseminar SS11 Michael Kircher
Hauptseminar SS11 Inhalt Einführung zu hochdimensionalen Daten Visualisierungsmöglichkeiten dimensionale Teilmengen dimensionale Schachtelung Achsenumgestaltung Algorithmen zur Dimensionsreduktion Zusammenfassung
MehrHausarbeit von Matthias Meyer, Matr.-Nr. 127734. S 2.5 Marktforschung. Prof. H. Rehder. am: 14. April 1997 (SS 97)
Fachhochschule Kiel Fachbereich Wirtschaft (MDS) Hausarbeit von Matthias Meyer, Matr.-Nr. 127734 in: bei: S 2.5 Marktforschung Prof. H. Rehder am: 14. April 1997 (SS 97) Inhaltsverzeichnis 1. Einführung
MehrSpiel Nr. 21 Tipp Spiel Nr. 22 Tipp Spiel Nr. 23 Tipp
Seite 1 SPIELER: STARTGELD 10 Spiel Nr. 18 Tipp Spiel Nr. 19 Tipp Spiel Nr. 20 Tipp 1 VfL Wolfsburg FC Bayern München: 10 FC Bayern München FC Schalke 04 : 19 VfB Stuttgart FC Bayern München : 2 Bayer
MehrÜbung: Praktische Datenerhebung
Übung: Praktische Datenerhebung WS 2011 / 2012 Modul: Methoden der empirischen Sozialforschung 1 (Übung zur Vorlesung) Judith Jahn / Aline Hämmerling 1 Ablauf Block 1 Dauer 3 h Inhalt Einführung: Ziel
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrAbbildungsverzeichnis...XVII Abkürzungsverzeichnis...XIX
Inhaltsverzeichnis Abbildungsverzeichnis...XVII Abkürzungsverzeichnis...XIX 1 Einleitung und Grundlagen... 1 1.1 Problemstellung... 1 1.2 Ziele und Aufbau der Arbeit... 5 1.3 Begriffe und Grundlagen...
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
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
MehrPartial Credit Model und Tutz Model
November 22, 2011 Item Response Theory - Partial Credit Model Einleitung IRT-Einteilung Datenstruktur PCM - Herleitung Parameterschätzung Goodness of Fit Beispiel Sequential Models for Ordered Responses
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrProfessorinnenprogramm II im 1. Einreichungstermin erfolgreiche Hochschulen
Professorinnenprogramm II im 1. Einreichungstermin erfolgreiche Hochschulen Baden-Württemberg 6 Universitäten, 8 Fachhochschulen Albert-Ludwigs-Universität Freiburg Eberhard Karls Universität Tübingen
MehrBundesliga-Spielplan für den VfB Stuttgart (fett) p pdf-datei by http://vfb-fansite.npage.de/ Erster Spieltag (15. bis 16. August)
Bundesliga-Spielplan für den VfB Stuttgart (fett) p pdf-datei by http://vfb-fansite.npage.de/ Erster Spieltag (15. bis 16. August) Bayern München - Hamburger SV (Freitag, 20.30 Uhr) Schalke 04 - Hannover
MehrKoch Management Consulting
Kontakt: 07191 / 31 86 86 Deutsche Universitäten Universität PLZ Ort Technische Universität Dresden 01062 Dresden Brandenburgische Technische Universität Cottbus 03046 Cottbus Universität Leipzig 04109
MehrDas Kanban-Duell Scrum Day 2014 Frank Besemer, Joachim Pfeffer Basel Genève Freiburg Berlin Das Kanban-Duell, Scrum Day 2014 Copyright 2014 SynSpace
Das Kanban-Duell Scrum Day 2014 Frank Besemer, Joachim Pfeffer Basel Genève Freiburg Berlin Agenda 1. Begrüßung / Vorstellung 2. Push vs. Pull Push in der Produktion Pull in der Produktion: Kanban Pull
MehrIBM SPSS Categories 22
IBM SPSS Categories 22 Hinweis Vor Verwendung dieser Informationen und des darin beschriebenen Produkts sollten die Informationen unter Bemerkungen auf Seite 57 gelesen werden. Produktinformation Diese
Mehr5. Lineare Funktionen
5. Lineare Funktionen Lernziele: -Eine lineare Funktion grafisch darstellen -Geradengleichung (Funktionsgleichung einer linearen Funktion) -Deutung von k- und d-wert -Grafische Lösung von Gleichungssystemen
MehrVeranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen
Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrAlgorithmische Modelle als neues Paradigma
Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN
MehrLogische Modelle für OLAP. Burkhard Schäfer
Logische Modelle für OLAP Burkhard Schäfer Übersicht Einführung in OLAP Multidimensionale Daten: Hypercubes Operationen Formale Grundlagen Zusammenfassung Einführung in OLAP Verfahren zur Analyse großer
MehrMobilfunkverträge. Betrachtung nach Ausgaben und Hardware
Mobilfunkverträge Betrachtung nach Ausgaben und Hardware Stand: Juli 2015 Agenda - Mobilfunkverträge 1. Zusammenfassung 2. Methodik 3. Ausgaben & Hardware nach Wohnort 4. Ausgaben & Hardware nach Alter
MehrDStV-Terminplaner. Die wichtigsten Veranstaltungen im Verbands- und Kammerbereich. Stand 14. November 2013. = neue Termine = geänderte Termine
2013 DStV-Terminplaner Die wichtigsten Veranstaltungen im Verbands- und Kammerbereich Stand 14. November 2013 = neue Termine = geänderte Termine November 14. Stuttgart, Deutsches Steuerberaterinstitut
MehrSem.- Nr. Titel (Zeile 1) Titel (Zeile 2) Ort Beginn Ende
Seminare. Bei Teilnahme an einer der im Folgenden aufgeführten Termine erhalten BvD Mitglieder einen Preisnachlass von 10%. Information und Anmeldung bei: TÜV Rheinland Akademie GmbH Frau Sandra Fahling
MehrClusteranalyse. Clusteranalyse. Fragestellung und Aufgaben. Abgrenzung Clusteranalyse - Diskriminanzanalyse. Rohdatenmatrix und Distanzmatrix
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Biometrische und Ökonometrische Methoden II SS 00 Fragestellung und Aufgaben Abgrenzung
MehrRaumanalyse mit Steuerdaten - von Pendlerströmen bis zur Religionszugehörigkeit
Raumanalyse mit Steuerdaten - von Pendlerströmen bis zur Religionszugehörigkeit Dresden, 5./6. Juni 2013 Stefan Dittrich Übersicht 1. Hintergrund der Steuerstatistiken 2. Möglichkeiten und Grenzen 3. Beispiele
MehrWas bringt TDD wirklich?
Was bringt TDD wirklich? Wissensspritze vom 6..2009, Christian Federspiel Catalysts GmbH McCabe Metrik CCN Die Cyclomatic Complexity Number, misst die Anzahl der möglichen Pfade durch einen Code. Die Metrik
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
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
MehrOUT OF HOME VERSANDANDRESSEN WALLDECAUX
OUT OF HOME VERSANDANDRESSEN WALLDECAUX CITY LIGHT POSTER Aachen Augsburg Baden-Baden / Rastatt Berlin Bremen Dortmund / Unna Mo.-Fr. 07:00-15:00 Uh Dresden Düsseldorf Freiburg Gera Göttingen Gütersloh
MehrWir bringen Ihre Daten als Erster ins Ziel.
Wir bringen Ihre Daten als Erster ins Ziel. Care for content. From start to finish. Wir bringen Ihre Daten als Erster ins Ziel. Ihre E-Mail startet mit Vollgas von der Pole Position ins Internet. Da nähert
MehrJENOPTIK. Geschwindigkeitsmessungen mit Lasertechnologie. Referent: Wolfgang Seidel
JENOPTIK Geschwindigkeitsmessungen mit Lasertechnologie Referent: Wolfgang Seidel Jenoptik-Konzern Überblick Konzernstruktur Corporate Center Laser & Materialbearbeitung Optische Systeme Industrielle Messtechnik
MehrÜberprüfung der Faktorenstruktur und Reliabilität des Fragebogens Heimkundenbefragung. Gutachten
Überprüfung der Faktorenstruktur und Reliabilität des Fragebogens Heimkundenbefragung Gutachten Datum 23. April 2013 Ansprechpartnerin Dr. Julia Hapkemeyer StatEval GmbH Charitéstr. 5 D-10117 Berlin Tel.:
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
MehrNeue Chancen für. Dienstleistungsgesellschaft. Dr. Michael Voigtländer, Forschungsstelle Immobilienökonomik Berlin, 2. Juli 2009
Neue Chancen für Wohnungsunternehmen in der Dienstleistungsgesellschaft Dr. Michael Voigtländer, Forschungsstelle Immobilienökonomik Berlin, 2. Juli 2009 Forschungsstelle Immobilienökonomik Das Institut
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
MehrComputacenter. Cisco Academy Lingen, 11. Mai 2012
Computacenter Cisco Academy Lingen, 11. Mai 2012 Computacenter Europas führender herstellerübergreifender IT-Dienstleister Über 10.500 Mitarbeiterinnen und Mitarbeiter Umsatz im Jahr 2010: 2,68 Mrd. brit.
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrHauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften
Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Fehlende Daten in der Multivariaten Statistik SS 2011 Allgemeines Das Seminar richtet sich in erster Linie an Studierende
MehrSeminar zum Thema Künstliche Intelligenz:
Wolfgang Ginolas Seminar zum Thema Künstliche Intelligenz: Clusteranalyse Wolfgang Ginolas 11.5.2005 Wolfgang Ginolas 1 Beispiel Was ist eine Clusteranalyse Ein einfacher Algorithmus 2 bei verschieden
MehrENTERBRAIN Reporting & Business Intelligence
Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit
Mehrht t p://w w w.kebel.de/
MS SQL Server: MDX - Die Abfragesprache für OLAP Cubes (Kurs-ID: LH3) Seminarziel In diesem Seminar wird die Sprache MDX, mit der OLAP-Cubes abgefragt werden, von Grund auf vermittelt. MDX eignet sich,
MehrFORD RANGER Ranger_2013.5_Cover_V2.indd 1 12/02/2013 12:59
FORD RANGER 1 2 3 4 5 1.8 m3 6 7 8 9 10 11 3 7 8 5 1 2 4 6 9 10 12 13 3500kg 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 [Nm] 475 450 425 400 375 350 325 [kw] [PS] 180 245 165 224 150 204 135 184
MehrLANDKARTEN DES MARKTES Markenpositionierung mit System Prof.Dr. Alfred Taudes Department Informationsverarbeitung und Prozessmanagement
LANDKARTEN DES MARKTES Markenpositionierung mit System Prof.Dr. Alfred Taudes Department Informationsverarbeitung und Prozessmanagement Handelsmarken Image eines Handelsunternehmens im Kopf der Konsumenten
MehrGerman Green City Index
German Green City Index Präsentation der Ergebnisse Emily Jackson Regional Director, Business Research Economist Intelligence Unit Herausforderungen der Urbanisierung 74% der Deutschen leben bereits in
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrKosten vs CO 2? Duisburg, 05. März 2009. Innovative Logistics Consultancy Solutions for Your Success
Zielkonflikte in der Netzwerkoptimierung Kosten vs CO 2? Duisburg, 05. März 2009 Innovative Logistics Consultancy Solutions for Your Success CO 2 -Emissionen und der Klimawandel Seit 10 Jahren ist keine
MehrEinseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrPromotionskolleg. 2. Veranstaltung am 23. September 2015. Prof. Dr. Andreas Schmietendorf
Promotionskolleg 2. Veranstaltung am 23. September 2015 Abbildung recht: Ehrung Konrad Zuse an der ETH Zürich, Schweiz 22.09.2015 Prof. Dr. Andreas Schmietendorf 1 Inhalte der 2. Veranstaltung Empirische
MehrClustering Seminar für Statistik
Clustering Markus Kalisch 03.12.2014 1 Ziel von Clustering Finde Gruppen, sodas Elemente innerhalb der gleichen Gruppe möglichst ähnlich sind und Elemente von verschiedenen Gruppen möglichst verschieden
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
MehrWas bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und
Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Ausgaben Aktivierungsfunktionen: Schwellwertfunktion
MehrDr. Heidemarie Keller
Reliabilität und Validität der deutschen Version der OPTION Scale Dr. Heidemarie Keller Abteilung für Allgemeinmedizin, Präventive und Rehabilitative Medizin Philipps-Universität Marburg EbM & Individualisierte
MehrInternet-Kosten in den 50 größten deutschen Städten. Durchschnittliche Preise für Tarife mit 16 MBit/s und 50 MBit/s Surfgeschwindigkeit
Internet-Kosten in den 50 größten deutschen Städten Durchschnittliche Preise für Tarife mit 16 MBit/s und 50 MBit/s Surfgeschwindigkeit Stand: August 2015 CHECK24 2015 Agenda 1. Zusammenfassung 2. Methodik
Mehr4.3 Hierarchische Klassifikationsverfahren
4.3 Hierarchische Klassifikationsverfahren Hierarchische Klassifikationsverfahren: Einsatz zum Zwecke einer Aufdeckung von lusterstrukturen, wenn keine Kenntnisse über die Gruppenzahl verfügbar sind Agglomerativen
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
MehrModellierung von Prozessen
Modellierung von Prozessen GenericIAM Dr. Horst Walther, Software Integration GmbH Was ist ein Prozess? Fundamentale Prozesse laufen vom Kunden zum Kunden Support-Prozesse erzeugen Zwischenergebnisse und
MehrAchim Bühl, Peter Zöfel SPSS. Methoden für die Markt- und Meinungsforschung. Technische Unäversität Darmstadt
Inv.-Nr: Achim Bühl, Peter Zöfel SPSS Methoden für die Markt- und Meinungsforschung Technische Unäversität Darmstadt Institut für Sportwissenschaft - Bibliothek Magdalenenstraße 27, 64289 Darmstadt Tel.:
Mehr