4 Spezifizierende Beschreibung empirischer Verteilungen

Größe: px
Ab Seite anzeigen:

Download "4 Spezifizierende Beschreibung empirischer Verteilungen"

Transkript

1 4 Spezifizierende Beschreibung empirischer Verteilungen 55

2 4 Spezifizierende Beschreibung empirischer Verteilungen 4.1 Spezifika empirischer Verteilungen Lagekennwerte Arithmetisches Mittel Median Modalwert Fechner sche Lageregeln Spezielle Lagekennwerte Arithmetisches Mittel bei gruppierten Daten Quantile Geometrisches Mittel Streuungskennwerte Spannweite Mittlere absolute Abweichungen 85

3 4 Spezifizierende Beschreibung empirischer Verteilungen Median absoluter Abweichungen Varianz, Standardabweichung und Schwankungsintervalle 4.5 Spezielle Streuungskennwerte Varianz bei gruppierten Daten Quantilsabstände Variationskoeffizient 4.6 Standardisierung mittels Lage und Streuung 4.7 Messung von Schiefe 4.8 Darstellung und Messung von Konzentration Lorenzkurve Gini-Koeffizient

4 4 Spezifizierende Beschreibung empirischer Verteilungen 4.9 Spezifische Eigenschaften empirischer Kennwerte Minimumeigenschaft des arithmetischen Mittels Minimumeigenschaft des Medians Transformationseigenschaften Robustheit

5 4.1 Spezifika empirischer Verteilungen Unimodalität und Multimodalität Symmetrie und Schiefe Lage und Streuung 59

6 4.1 Spezifika empirischer Verteilungen Beispiel 4.1.1: Schiefe und Multimodalität 60

7 4.1 Spezifika empirischer Verteilungen 61

8 4.1 Spezifika empirischer Verteilungen 62

9 4.2.1 Arithmetisches Mittel Definition und Berechnung 4.2 Lagekennwerte Interpretation 63

10 4.2 Lagekennwerte Berechnung bei klassierten Daten Kein robuster Kennwert 64

11 4.2 Lagekennwerte 65

12 4.2 Lagekennwerte Median Definition und Interpretation Berechnung bei Urlisten 66

13 4.2 Lagekennwerte Berechnung bei klassierten Daten 67

14 4.2 Lagekennwerte 68

15 4.2 Lagekennwerte 69

16 4.2 Lagekennwerte Modalwert 70

17 4.2.4 Fechner sche Lageregeln 4.2 Lagekennwerte 71

18 4.2 Lagekennwerte Beispiel 4.2.1: Durchschnittseinkommen, Bundesmedian und Armutsgefährdung 72

19 4.3 Spezielle Lagekennwerte Arithmetisches Mittel bei gruppierten Daten Hintergrund Berechnung 73

20 4.3 Spezielle Lagekennwerte Klassierung als Spezialfall 74

21 4.3 Spezielle Lagekennwerte Quantile Definition und Interpretation Berechnung bei Urlisten 75

22 4.3 Spezielle Lagekennwerte Berechnung bei klassierten Daten 76

23 4.3 Spezielle Lagekennwerte 77

24 4.3 Spezielle Lagekennwerte 78

25 4.3 Spezielle Lagekennwerte Beispiel 4.3.1: Dezile und Quintilsverhältnis der Einkommensverteilung 79

26 4.3 Spezielle Lagekennwerte Geometrisches Mittel Hintergrund Wachstumsfaktoren und Wachstumsraten Definition und Berechnung Umsätze eines Unternehmens 80

27 4.3 Spezielle Lagekennwerte 81

28 4.3 Spezielle Lagekennwerte Beispiel 4.3.2: Wirtschaftswachstum in Deutschland 82

29 4.3 Spezielle Lagekennwerte 83

30 4.4 Streuungskennwerte Spannweite 84

31 4.4 Streuungskennwerte Mittlere absolute Abweichungen Definition und Berechnung Interpretation 85

32 4.4 Streuungskennwerte Berechnung bei klassierten Daten Median als präferierter Bezugswert 86

33 4.4 Streuungskennwerte 87

34 4.4 Streuungskennwerte Median absoluter Abweichungen Hintergrund 88

35 4.4 Streuungskennwerte Definition und Berechnung 89

36 4.4 Streuungskennwerte Beispiel 4.4.1: Streuung des weltweiten Pro-Kopf-BIP (vgl. Abb ) 90

37 4.4 Streuungskennwerte Varianz, Standardabweichung und Schwankungsintervalle Definition und Berechnung 91

38 4.4 Streuungskennwerte Verschiebungsformel für die empirische Varianz 92

39 4.4 Streuungskennwerte Standardabweichung und Interpretation 93

40 4.4 Streuungskennwerte Hintergründe 94

41 4.5 Spezielle Streuungskennwerte Varianz bei gruppierten Daten Berechnung Beispiel Interpretation 95

42 4.5 Spezielle Streuungskennwerte Hintergründe 96

43 4.5 Spezielle Streuungskennwerte 97

44 4.5.2 Quantilsabstände 4.5 Spezielle Streuungskennwerte 2α 98

45 4.5 Spezielle Streuungskennwerte Beispiel 4.5.2: Quantilsabstände der Einkommensverteilung

46 4.5 Spezielle Streuungskennwerte Variationskoeffizient Hintergrund Definition und Berechnung 100

47 4.5 Spezielle Streuungskennwerte Interpretation 101

48 4.5 Spezielle Streuungskennwerte 102

49 4.5 Spezielle Streuungskennwerte Beispiel 4.5.3: Variationsvergleich von Wechselkursen 103

50 4.6 Standardisierung mittels Lage und Streuung Hintergrund Beispiel: Vergleich eines deutschen und schweizerischen Angestellten in einer bestimmten Branche. Deutscher: 2800 Euro bei einem Durchschnitt von 2500 Euro und einer Standardabweichung von 150 Euro Schweizer: 5500 Franken bei einem Durchschnitt von 5000 Franken und einer Standardabweichung von 400 Franken Berechnung und Interpretation Allgemeine Form: Spezialfall Z-Standardisierung: 104

51 4.6 Standardisierung mittels Lage und Streuung Eigenschaften z-standardisierter Werte 105

52 4.6 Standardisierung mittels Lage und Streuung 106

53 4.6 Standardisierung mittels Lage und Streuung Beispiel 4.6.1: Standardisierte Zeitreihen 107

54 4.7 Messung von Schiefe Konzept und Definition 108

55 4.7 Messung von Schiefe Interpretation QS 109

56 4.7 Messung von Schiefe Beispiel 4.7.1: Schiefe der Einkommensverteilung 110

57 4.8 Darstellung und Messung von Konzentration Lorenz-Kurve Was versteht man unter Konzentration? Beispiel

58 4.8 Darstellung und Messung von Konzentration Konstruktion einer Lorenzkurve 112

59 4.8 Darstellung und Messung von Konzentration Interpretation 113

60 4.8 Darstellung und Messung von Konzentration Gini-Koeffizient Definition und Interpretation Berechnung Wertebereich und Normierung 114

61 4.8 Darstellung und Messung von Konzentration 115

62 4.8 Darstellung und Messung von Konzentration Vorsicht bei der Interpretation vgl. Fahrmeir et al. (2010) 116

63 4.8 Darstellung und Messung von Konzentration Beispiel 4.8.2: Konzentration von Einkommen in Deutschland 117

64 4.9 Spezifische Eigenschaften empirischer Kennwerte Minimumeigenschaft des arithmetischen Mittels Hintergrund Analytischer Nachweis 118

65 4.9 Spezifische Eigenschaften empirischer Kennwerte Beispiel

66 4.9 Spezifische Eigenschaften empirischer Kennwerte 120

67 4.9 Spezifische Eigenschaften empirischer Kennwerte Minimumeigenschaft des Medians Hintergrund Analytischer Nachweis Beispiel

68 4.9 Spezifische Eigenschaften empirischer Kennwerte 122

69 4.9 Spezifische Eigenschaften empirischer Kennwerte 123

70 4.9 Spezifische Eigenschaften empirischer Kennwerte Transformationseigenschaften Arten von Transformationen 124

71 4.9 Spezifische Eigenschaften empirischer Kennwerte 125

72 4.9 Spezifische Eigenschaften empirischer Kennwerte Verschiebungsäquivarianz und Verschiebungsinvarianz 126

73 4.9 Spezifische Eigenschaften empirischer Kennwerte Skalenäquivarianz und Skaleninvarianz 127

74 4.9 Spezifische Eigenschaften empirischer Kennwerte Eigenschaften weiterer Kennwerte 128

75 4.9 Spezifische Eigenschaften empirischer Kennwerte Eigenschaften standardisierter Werte 129

76 4.9 Spezifische Eigenschaften empirischer Kennwerte 130

77 4.9 Spezifische Eigenschaften empirischer Kennwerte Robustheit Zum Begriff Robuste und nicht robuste Kennwerte Anmerkungen zur kritischen Verwendung 131

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische

Mehr

Prof. 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 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

Mehr

Veranstaltung 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): 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

Mehr

1 Verteilungen und ihre Darstellung

1 Verteilungen und ihre Darstellung GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 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

Mehr

4. Auswertung eindimensionaler Daten

4. Auswertung eindimensionaler Daten 4. Auswertung eindimensionaler Daten Ziel dieses Kapitels: Präsentation von Methoden zur statistischen Auswertung eines einzelnen Merkmals 64 Bezeichnungen (Wiederholung): Merkmalsträger: e 1,..., e n

Mehr

Teil I Beschreibende Statistik 29

Teil 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..............................

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik 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,

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 6 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise : In der folgenden Tabelle ist eine Teilstichprobe zu den Studierenden in

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung 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

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung 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

Mehr

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

Gefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3.

Gefahrene 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

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Maßzahlen für zentrale Tendenz, Streuung und andere Eigenschaften von Verteilungen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur 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

Mehr

Methoden der empirischen Sozialforschung I

Methoden der empirischen Sozialforschung I Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten

Mehr

Eine computergestützte Einführung mit

Eine 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

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Sportbezogene direkte Einnahmen

Sportbezogene direkte Einnahmen Sportbezogene direkte Einnahmen 2 der öffentlichen Haushalte Die sportbezogenen direkten Einnahmen der öffentlichen Haushalte werden je nach Definition auf rund 3,1 Mrd., 14,3 Mrd. bzw. 21,8 Mrd. (vgl.

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen 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)

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik p. 1/44 Datenanalyse und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 2/44 Daten Schätzung Test Mathe

Mehr

Beschreibende Statistik Daten darstellen und charakterisieren

Beschreibende Statistik Daten darstellen und charakterisieren Beschreibende Statistik Daten darstellen und charakterisieren Roland Heynkes 1. April 2006, Aachen Die beschreibende (descriptive) Statistik versucht, große und unübersichtliche, experimentell sowie durch

Mehr

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Einführung in die statistische Datenanalyse I

Einführung in die statistische Datenanalyse I Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Sommersemester 2009 Modus Median Arithmetisches Mittel Symmetrie/Schiefe Wölbung/Exzess 4 6 8 10 ALQ Tutorien Begleitend zur Vorlesung, inhaltlich identisch mit der Übung Mögliche Zeiten: Do 10-12, Do

Mehr

Book Deskriptive Statistik: Formeln, Aufgaben, Klausurtraining

Book Deskriptive Statistik: Formeln, Aufgaben, Klausurtraining econstor www.econstor.eu Der Open-Access-Publikationsserver der ZBW Leibniz-Informationszentrum Wirtschaft The Open Access Publication Server of the ZBW Leibniz Information Centre for Economics von der

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

Fachhochschule Düsseldorf Wintersemester 2008/09

Fachhochschule Düsseldorf Wintersemester 2008/09 Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige

Mehr

Lösungen zu Aufgabensammlung. Konsumgüter. Arbeitseinkommen. Was wird am Geld-, bzw. Güterstrom gemessen und was bedeuten diese Begriffe?

Lösungen zu Aufgabensammlung. Konsumgüter. Arbeitseinkommen. Was wird am Geld-, bzw. Güterstrom gemessen und was bedeuten diese Begriffe? Thema Dokumentart Makroökonomie: Volkswirtschaftliche Gesamtrechnung Lösungen zu Aufgabensammlung LÖSUNGEN VGR: Aufgabensammlung I Aufgabe 1 1.1 Zeichnen Sie den einfachen Wirtschaftskreislauf. Konsumausgaben

Mehr

Vorlesung: Statistik für Kommunikationswissenschaftler

Vorlesung: Statistik für Kommunikationswissenschaftler Vorlesung: Statistik für Kommunikationswissenschaftler Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Übungen zur Veranstaltung Mittwoch: 14.15-15.45 HG DZ007 Cornelia Oberhauser

Mehr

Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten

Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG

Mehr

STAR 2012. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2010

STAR 2012. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2010 STAR 2012 Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2010 Projektbearbeitung: Kerstin Eggert Stefanie Riedelmeier Nürnberg 2013

Mehr

Kapitel 13 Häufigkeitstabellen

Kapitel 13 Häufigkeitstabellen Kapitel 13 Häufigkeitstabellen Die gesammelten und erfaßten Daten erscheinen in der Datendatei zunächst als unübersichtliche Liste von Werten. In dieser Form sind die Daten jedoch wenig aussagekräftig

Mehr

Statistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00.

Statistik 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

Mehr

KVP & Six Sigma. Hirschmann Automotive GmbH Thomas Zimmermann April 2009. Thomas Zimmermann Seite 1

KVP & Six Sigma. Hirschmann Automotive GmbH Thomas Zimmermann April 2009. Thomas Zimmermann Seite 1 Hirschmann Automotive GmbH Thomas Zimmermann April 2009 Thomas Zimmermann Seite 1 Vorstellung Gedanken zu KVP Was ist Six Sigma Wie passen diese Methoden zusammen Umsetzung bei Hirschmann Thomas Zimmermann

Mehr

Medizinische Biometrie (L5)

Medizinische Biometrie (L5) Medizinische Biometrie (L5) Vorlesung II Daten Deskription Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de IBE,

Mehr

Wirtschaftsmathematik und Statistik

Wirtschaftsmathematik und Statistik Lehrplan Wirtschaftsmathematik und Statistik Akademie für Betriebs- und Unternehmensführung Ministerium für Bildung, Familie, Frauen und Kultur Hohenzollernstraße 60, 66117 Saarbrücken Postfach 10 24 52,

Mehr

Statistik für alle Aufgabensammlung

Statistik für alle Aufgabensammlung Universität Lüneburg Statistik für alle Aufgabensammlung Fakultät II Wirtschafts-, Verhaltens- und Rechtswissenschaften Professur 'Statistik und Freie Berufe' Univ.-Prof. Dr. Joachim Merz Übungs- und Klausuraufgaben

Mehr

Multivariate Statistik

Multivariate 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)

Mehr

Einkommens- und Vermögensungleichheit - Steuerpolitische Lösungsansätze

Einkommens- und Vermögensungleichheit - Steuerpolitische Lösungsansätze Einkommens- und Vermögensungleichheit - Steuerpolitische Lösungsansätze Dr. Markus M. Grabka (DIW Berlin) Prof. Dr. Carsten Schröder (DIW Berlin, FU Berlin) Gemeinsame Konferenz der Wirtschaftsdienst und

Mehr

Statistik I für Statistiker, Mathematiker und Informatiker (WS 06/07)

Statistik I für Statistiker, Mathematiker und Informatiker (WS 06/07) 1 Einführung Statistik I für Statistiker, Mathematiker und Informatiker (WS 06/07) 11 Beispiele 1 Einführung Christian Heumann (basierend auf einem Skript von Prof Fahrmeir) 12 Grundaufgaben der Statistik

Mehr

Betriebliche Weiterbildung in Österreich. René Böheim. Nicole Schneeweis. Florian Wakolbinger

Betriebliche Weiterbildung in Österreich. René Böheim. Nicole Schneeweis. Florian Wakolbinger Betriebliche Weiterbildung in Österreich René Böheim Nicole Schneeweis Florian Wakolbinger Fragen Konsequenzen betrieblicher Weiterbildung für Betriebe: Produktivität Beschäftigte: Löhne und Lohnspreizung

Mehr

STAR 2010. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2008

STAR 2010. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2008 STAR 2010 Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Frankfurt 2008 Projektleitung: Dr. Willi Oberlander Projektbearbeitung: Kerstin Eggert

Mehr

ZIV-Schulung. Statistik mit Excel 2010

ZIV-Schulung. Statistik mit Excel 2010 ZIV-Schulung Statistik mit Excel 2010 Statistische Möglichkeiten mit Excel 2010 2 Zur Unterstützung quantitativer Datenanalysen dienen in Excel 2010 vor allem: > die Basisfunktionen für Berechnungen in

Mehr

Einführung in statistische Analysen

Einführung in statistische Analysen Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog 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

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge 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

Mehr

Kontext & Fragestellung Stichproben & Datenerhebung Erste Ergebnisse Perspektiven

Kontext & Fragestellung Stichproben & Datenerhebung Erste Ergebnisse Perspektiven ABC-Lehramt: Assessment, Beratung und Coaching zu Eignung & Neigung für den Beruf Lehrer/in Gliederung Kontext & Fragestellung Stichproben & Datenerhebung Erste Ergebnisse Perspektiven 1 Fragestellung

Mehr

4. Erstellen von Klassen

4. Erstellen von Klassen Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl

Mehr

Grundlagen Statistik

Grundlagen Statistik Folienauszüge aus: Grundlagen Statistik Steinbeis-Transferzentrum Managementsysteme Industriepark West, Söflinger Strasse 100, 89077 Ulm Tel.: 0731-933-1180, Fax: 0731-933-1189 Mail: info@tms-ulm.de, Internet:

Mehr

Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten

Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten GUM Enterprise / Professional / Standard / Excel Add-In GUMX Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten Einführung in der QMSys GUM Software

Mehr

Total Quality Management. Qualitätsmanagement. Qualitätsmethoden über Produktentstehungsprozess bis Serienfertigung: Statische Methoden

Total Quality Management. Qualitätsmanagement. Qualitätsmethoden über Produktentstehungsprozess bis Serienfertigung: Statische Methoden Vorlesungsinhalt Total Quality Management Qualitätsmanagement Qualitätsmethoden über Produktentstehungsprozess bis Serienfertigung: Statische Methoden Elementare Werkzeuge/ Systemtechnik Grundlegende Ideen

Mehr

Zur Entwicklung von Top-Einkommen in Deutschland

Zur Entwicklung von Top-Einkommen in Deutschland Zur Entwicklung von Top-Einkommen in Deutschland Christina Anselmann, Hagen Krämer Hochschule Karlsruhe Technik und Wirtschaft 12. Januar 2013 Friedrich-Ebert-Stiftung, Kocheler Kreis für Wirtschaftspolitik

Mehr

Marketing. Kapitel 3. Marketinginformationen

Marketing. Kapitel 3. Marketinginformationen Fakultät Informatik, Professur Wirtschaftsinformatik, insb. Multimedia Marketing Marketing Kapitel 3 Marketinginformationen Inhalte Kapitel 3 3 Marketinginformationen 3.2 Absatzprognosen Lernziele: Aufgaben

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner Johann Wappis, Berndt Jung Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner ISBN-10: 3-446-41373-1 ISBN-13: 978-3-446-41373-3 Inhaltsverzeichnis Weitere Informationen

Mehr

Lernender.ch - Das Infoportal für Lernende

Lernender.ch - Das Infoportal für Lernende Die Volkswirtschaft Volkswirtschaftslehre: Sie untersucht, a) wie ein Volk seine knappen Produktionsmittel (Boden, Arbeit, Kapital) verwendet, um Sachgüter und Dienstleistungen herzustellen und b) wie

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche

Mehr

Data Mining als Arbeitsprozess

Data Mining als Arbeitsprozess Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Klausur Statistik Lösungshinweise

Klausur 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

Mehr

- mit guten statistischen Zusammenfassungen kommunizieren

- mit guten statistischen Zusammenfassungen kommunizieren Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 0.1 Was ist die Aufgabe der Statistik beim TQM (Total Quality Management)? - statistisches Denken lehren - in der realen Welt relevante Daten

Mehr

MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE

MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE Europäische Schulen Büro des Generalsekretärs Abteilung für pädagogische Entwicklung Ref.:2010-D-581-de-2 Orig.: EN MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE Kurs 4 Stunden/Woche VOM GEMISCHTER PÄDAGOGISCHER

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Weiterbildungskurs Stochastik

Weiterbildungskurs Stochastik Hansruedi Künsch Seminar für Statistik Departement Mathematik, ETH Zürich 24. Juni 2009 Inhalt STATISTIK DER BINOMIALVERTEILUNG 1 STATISTIK DER BINOMIALVERTEILUNG 2 Fragestellungen Typische Fragestellungen

Mehr

Daten zu ausgewählten Versicherungsmärkten

Daten zu ausgewählten Versicherungsmärkten Daten zu ausgewählten Versicherungsmärkten Economic Research München, März 205 Deutschland CAGR* 2004 204: 2,6% CAGR* 2004 204:,% Makroökonomie& Geldvermögen, 204 Vermögensstrukturder privaten Haushalte,

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

Evaluation der Normalverteilungsannahme

Evaluation der Normalverteilungsannahme Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden

Mehr

Johann Wappis. Berndt Jung. Null-Fehler-Management. Umsetzung von Six Sigma. 4., überarbeitete und erweiterte Auflage

Johann Wappis. Berndt Jung. Null-Fehler-Management. Umsetzung von Six Sigma. 4., überarbeitete und erweiterte Auflage Johann Wappis Berndt Jung Null-Fehler-Management Umsetzung von Six Sigma 4., überarbeitete und erweiterte Auflage Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner HANSER Inhalt Vorwort V

Mehr

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV) Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung

Mehr

1 Darstellen von Daten

1 Darstellen von Daten 1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen

Mehr

DATA-FORECASTER. Erich Steiner steiner@softopt.de SoftOpt www.softopt.de. 7. April 2003

DATA-FORECASTER. Erich Steiner steiner@softopt.de SoftOpt www.softopt.de. 7. April 2003 DATA-FORECASTER Erich Steiner steiner@softopt.de SoftOpt www.softopt.de 7. April 2003 Was ist DATA-FORECASTER? 1 Was ist DATA-FORECASTER? 1 eine Software für Datamining Was ist DATA-FORECASTER? 1 eine

Mehr

5.4. Der Wirtschaftsbereich Unternehmensservices

5.4. Der Wirtschaftsbereich Unternehmensservices 5.4. Der Wirtschaftsbereich Unternehmensservices Struktur der Unternehmen, Beschäftigten und Umsätze im Jahr 2001 Im Jahre 2001 waren 14,1% der Dienstleistungsunternehmen (absolut 64.373) und 13% der Dienstleistungsbeschäftigten

Mehr

Taschenbuch Null-Fehler-Management

Taschenbuch Null-Fehler-Management Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma von Johann Wappis, Berndt Jung, Franz J. Brunner 3., überarbeitete Auflage Hanser München 2010 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch

- 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

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18

Mehr

Höhere Mathematik 2 (= Statistik) Vorlesung im Sommersemester 2006 im Wissenschaftszentrum Weihenstephan. Prof. Dr. Johann Hartl

Höhere Mathematik 2 (= Statistik) Vorlesung im Sommersemester 2006 im Wissenschaftszentrum Weihenstephan. Prof. Dr. Johann Hartl Höhere Mathematik 2 (= Statistik) Vorlesung im Sommersemester 2006 im Wissenschaftszentrum Weihenstephan Prof. Dr. Johann Hartl Traue keiner Statistik, die du nicht selbst gefälscht hast! Warum hat die

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

Der Household Finance and Consumption Survey des Eurosystems: Konzeption und Ergebnisse der ersten Erhebungswelle 2010

Der Household Finance and Consumption Survey des Eurosystems: Konzeption und Ergebnisse der ersten Erhebungswelle 2010 Der Household Finance and Consumption Survey des Eurosystems: Konzeption und Ergebnisse der ersten Erhebungswelle 2010 Präsentation im Generalrat der OeNB 25. April 2013 Peter Mooslechner Outline Einleitung:

Mehr

Warum reicht die Varianz nicht zur Konzentrationsmessung aus? Betrachtet man die Merkmale X A (

Warum reicht die Varianz nicht zur Konzentrationsmessung aus? Betrachtet man die Merkmale X A ( Kapitel 4 Konzentrationsmaße Warum reicht die Varianz nicht zur Konzentrationsmessung aus? Betrachtet man die Merkmale X A ( Einkommen in Land A ) und X B ( Einkommen in Land B ) mit folgender Häufigkeitsverteilung

Mehr

DoE als Werkzeug zur systematischen Prozessoptimierung in der Silikatkeramik

DoE als Werkzeug zur systematischen Prozessoptimierung in der Silikatkeramik DKG-Jahrestagung 2011 28. - 30. März 2011 Saarbrücken DoE als Werkzeug zur systematischen Prozessoptimierung in der Silikatkeramik Dipl.-Ing. (FH) Miriam Peuker Ir. Marcel Engels FGK Forschungsinstitut

Mehr

RLP Daten TransKiGs Unterrichtsbeispiele Grundschule. Daten und Zufall 2. Dr. Elke Warmuth. Sommersemester 2016 1 / 36

RLP Daten TransKiGs Unterrichtsbeispiele Grundschule. Daten und Zufall 2. Dr. Elke Warmuth. Sommersemester 2016 1 / 36 Daten und Zufall 2 Dr. Elke Warmuth Sommersemester 2016 1 / 36 Berliner Rahmenlehrplan ab 2017 Neuer RLP, Inhaltsbezogene Standards, S. 30 2 / 36 Berliner Rahmenlehrplan ab 2017 Neuer RLP, Inhaltsbezogene

Mehr

STAR 2010. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Berlin 2008

STAR 2010. Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Berlin 2008 STAR 2010 Statistisches Berichtssystem für Rechtsanwälte Daten zur wirtschaftlichen Lage der Anwälte im Kammerbezirk Berlin 2008 Projektleitung: Dr. Willi Oberlander Projektbearbeitung: Kerstin Eggert

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

3.1 Annuitätsfunktionen (Rentenfunktionen)

3.1 Annuitätsfunktionen (Rentenfunktionen) Funktionen 3 Excel verfügt über eine unglaubliche Menge von Funktionen. Sie haben bereits einige Funktionen in diesem Buch kennen gelernt, und es werden noch viele dieser Funktionen angesprochen und deren

Mehr

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar)

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar) Die folgenden Erklärungen und Abbildungen sollen den Umgang mit SPSS im Rahmen des POK erleichtern. Diese beschreiben nicht alle Möglichkeiten, die SPSS bietet, sondern nur die Verfahren, die im Seminar

Mehr

Maschinenfähigkeit ISO 21747

Maschinenfähigkeit ISO 21747 QUALITY-APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Maschinenfähigkeit ISO 21747 Autor: Dr. Konrad Reuter Zweck einer Beurteilung eines Produktionsprozesses ist es, fundierte Kenntnisse

Mehr

Beschreibende Statistik und Wirtschaftsstatistik

Beschreibende 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

Mehr

Glück ist wie ein Schmetterling?

Glück ist wie ein Schmetterling? Glück ist wie ein Schmetterling? Zur Stabilität und Variabilität subjektiven Wohlbefindens Michael Eid Freie Universität Berlin Glück ist wie ein Schmetterling es kommt zu dir und fliegt davon (Mouskouri)

Mehr

Einleitung. Klassische Methoden zur Messung von Empfindungsschwellen. Psychophysische Skalierung. Theorie der Signaldetektion

Einleitung. Klassische Methoden zur Messung von Empfindungsschwellen. Psychophysische Skalierung. Theorie der Signaldetektion Marino Menozzi & Adrian Schwaninger Überblick Klassische Methoden zur Messung von Empfindungsschwellen Psychophysische Skalierung Anwendungsbeispiele der stheorie Medizinische Diagnostik (z.b. Röntgendiagnostik)

Mehr

Versuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne

Versuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige

Mehr