Analyse von Querschnittsdaten. Multiple Regression
|
|
- Gerhardt Beckenbauer
- vor 6 Jahren
- Abrufe
Transkript
1 Analse von Queschnttsdaten Multple Regesson
2 Waum geht es n den folgenden Stzungen? Kontnuelche Vaablen Deskptve Modelle kategoale Vaablen Datum Volesung Enfühung Bespele Daten Vaablen Bvaate Regesson Kontolle von Dttvaablen Multple Regesson Statstsche Infeenz Sgnfkanztests I Sgnfkanztests II Spezfkaton de unabhänggen Vaablen Spezfkaton de Regessonsfunkton Heteoskedastztät Regesson mt Dumm-Vaablen Logstsche Regesson
3 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
4 Multple Regesson k k k k k k,,,, Regessonskoeffzenten,,, unabhängge Vaablen ene abhängge Vaable 0 0 K K K
5 Analsezel. Hpothesentest Bestmme den Enfluss jede unabhänggen Vaablen j (j,...k) unte Kontolle (Konstanthaltung) alle andeen unabhänggen Vaablen.. Modellft Bestmme den Antel ekläte Vaanz de abhänggen Vaablen.
6 Klenste-Quadate Methode 0 ) ( 0 0 ) ( 0 ) ( Blde patelle Abletungen : ) ( Setze en : ) ( mnmee Allgemen: n k k k n k k n k k n k k n SSR SSR L M L L K De sogenannten Nomalglechungen blden en Glechungssstem mt (k+) Unbekannten: k,,, 0 K
7 Analtsche Lösung... n nk n k k k - M L M L M M L L M 0 ) ( 0 ) ( X X X X X X X kann man seh enfach mt Matzen hnscheben Nomalglechungen: Lösung:
8 Adjustetes R-Quadat R SSR SST Mt jede zusätzlchen unabhänggen Vaablen stegt R- Quadat, de Kompletät des Modells wd ncht beückschtgt. Das adjustete R-Quadat beückschtgt dagegen, duch we vele unabhängge Vaablen de ekläte Vaanzantel be gegebenem Stchpobenumfang ekauft wude. Abe: Adjustetes R-Quadat kann ncht als Antel ekläte Vaanz ntepetet weden. R SSR n k SST n
9 Bespel : Ewebsenkommen Hpothesen Unabhängg von he Beufsefahung ezelen Abetnehme mt höhee Ausbldung höhee Ewebsenkommen: educ >0. Unabhängg von he Ausbldung ezelen Abetnehme mt längee Beufsefahung höhee Ewebsenkommen. Beufsefahung wd gemessen übe de Daue de Ewebstätgket nsgesamt ( epe >0) und de Daue de Beschäftgung bem jetzgen Abetgebe ( tenue >0). Begündung: Humankaptaltheoe
10 Bespel : Egebnspäsentaton wage,87 + 0,60 educ + 0,0 epe R 0,306, n 56 (wage.dta) + 0,7 tenue Es wuden de Stundenlöhne von 56 USamekanschen Abetnehmen aus dem Jah 976 untesucht (Quelle: Cuent Populaton Suve). Alle de Hpothesen konnten bestätgt weden. Insgesamt ekläen de de Vaablen Ausbldungsdaue, Beufsefahung und Daue de Betebszugehögket 30,6% de Vaanz de Stundenlöhne. Im Enzelnen zegte sch: Mt jedem zusätzlchen Ausbldungsjah stegt de Stundenlohn (cetes pabus) um 0,60 Dolla, mt jedem Beufsjah um 0,0 Dolla und mt jedem Jah de Betebszugehögket um 0,7 Dolla.
11 Bespel : offene Fagen Welche de de untesuchten Vaablen hat den gößten Enfluss? elatve Gößenodnung de Effekte Vaeen de Löhne ncht auch nach Banchen und Regonen? Veglech veschedene Regessonsmodelle
12 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen a. Was st das Poblem? b. Standadsete Regessonskoeffzenten c. Rückblck: Regesson und Koelaton d. Kondtonale Effekt-Plots 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
13 Regessonskoeffzenten snd abhängg von den Maßenheten Stundenlöhne n Dolla, Ausbldung usw. n Jahen wage R Stundenlöhne n Cent, Ausbldung usw. n Jahen cwage R Stundenlöhne n Dolla, Ausbldung usw. n Monaten wage,87 + 0,60 educ + 0,0 epe + 0,7 tenue 0,306, n 56 (wage.dta) 87,7 + 59,90 educ +,3 epe + 6,93 tenue 0,306, n 56 (wage.dta),87 + 0,05 meduc + 0,00 mepe + 0,0 mtenue R 0,306, n 56 (wage.dta) Detemnatonskoeffzent blebt jedoch glech!
14 Unabhängge Vaablen mt unteschedlchen Maßenheten wage R,87 + 0,60 educ + 0,0 epe 0,306, n 56 (wage.dta) + 0,7 tenue De Effekte von educ, epe und tenue snd m Pnzp veglechba, wel ene Veändeung von j um Enhet he mme das Gleche bedeutet ( Jah). pce ,43 sqft R 0,63, n 88 (hpce.dta) + 598,9 bdms We sollen de Effekte veglchen weden, wenn ene Veändeung um Enhet m enen Fall (sqft) en Quadatmete und m andeen Fall (bdms) en Raum bedeutet?
15 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen a. Was st das Poblem? b. Standadsete Regessonskoeffzenten c. Rückblck: Regesson und Koelaton d. Kondtonale Effekt-Plots 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
16 Ekus: z-tansfomaton Duch Standadseung egbt sch ene neue Vaable mt athmetschen Mttel 0 und Standadabwechung. z s. sum pce Vaable Obs Mean Std. Dev. Mn Ma pce geneate zpce(pce ) / sum zpce Vaable Obs Mean Std. Dev. Mn Ma zpce e
17 Veglechbaket duch Standadseung alle Vaablen Unstandadsete Regessonskoeffzenten pce R 0,63, n 88 (hpce.dta) Standadsete Regessonskoeffzenten (Beta - Koeffzenten) zp ce ,43 sqft + 598,9 bdms 0 + 0,77 zsqft + 0,45 zbdms R 0,63, n 88 (hpce.dta) Wenn man de Wohnfläche (gemessen n Quadatmeten) um ene Standadabwechung ehöht, ehöht sch de Pes des Hauses (gemessen n Dolla) um 0,77 Standadabwechungen. Da 0,77 göße st als 0,45, geht man davon aus, dass de Pes meh mt de Wohnfläche als mt de Anzahl de Schlafäume vaet.
18 z-tansfomaton notwendg? Nen, standadsete snd dekt aus unstandadseten Koeffzenten beechenba! b j 0,77 j s s j 577, ,7. eg pce sqft bdms, beta Souce SS df MS Numbe of obs F(, 85) 7.96 Model Pob > F Resdual R-squaed Adj R-squaed Total Root MSE pce Coef. Std. E. t P> t Beta sqft bdms _cons
19 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen a. Was st das Poblem? b. Standadsete Regessonskoeffzenten c. Rückblck: Regesson und Koelaton d. Kondtonale Effekt-Plots 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
20 Rückblck I: Koelaton und Regesson + + s s R s s s s R R R.... ~ zum Veglech : bvaat tvaat Standadsete Regessonskoeffzent De Detemnatonskoeffzent des tvaaten (allgemen: des multplen) Regessonsmodells st ene gewchtete Summe de Koelatonen, de jewels mt den standadseten Regessonskoeffzenten gewchtet weden.
21 Rückblck II: Koelaton und Regesson + + s s R s s s s R R R.... ~ zum Veglech : bvaat tvaat Standadsete Regessonskoeffzent Im bvaaten Regessonsmodell st de standadsete Regessonskoeffzent glech dem Koelatonskoeffzenten.
22 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen a. Was st das Poblem? b. Standadsete Regessonskoeffzenten c. Rückblck: Regesson und Koelaton d. Kondtonale Effekt-Plots 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
23 Bespel : Lebenszufedenhet Geneal Socal Suve 978: Zufallsstchpobe de US- Bevölkeung übe 8 Jahe Lebenszufedenhet (Inde -0) Detemnanten: Haushaltsenkommen, Beufspestge, Ausbldungsdaue, Kchgangshäufgket, Otsgöße n665 analsebae Fälle Regessonsglechung (standadsete Koeffzenten n Klammen): 5 0,5+ 0, ,0 + 0,63 + 0,654 0,056 (0,07) (0,08) (0,90) (0,435) ( 0,09)
24 Kondtonale Effekt-Plot gen b_pognose_b[_cons] + _b[ncome]*ncome + _b[pestge]*0 + _b[educ]*0 + _b[attend]*0 + _b[sze]*0 gaph twowa lne b_pognose ncome b_pognose ncome Bedngte Pognose de Zufedenhet n Abhänggket vom Enkommen Bedngung: pestge0, educ0, attend0, sze0 Jede andee Wet möglch. Man vewendet häufg de athmetschen Mttel.
25 Veglech elatve Enflußstäken bedngte Effekt-Plot fü Enkommenseffekt gaph cop ncome bedngte Effekt-Plot fü Pestgeeffekt gaph cop pestge gaph combne ncome pestge, common cols() scale(.5) b_pognose b_pognose b_pognose ncome - 0 pestge 4 ncome Je nach Enkommen schwanken de pognostzeten Zufedenheten zwschen 0,3 und 0,7 Skalenpunkten, je nach Beufspestge dagegen nu zwschen 0,47 und 0,55 Skalenpunkten. De Enfluss des Enkommens st also göße als de des Beufspestges.
26 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen 3. Vegleche zwschen veschedenen Regessonsmodellen a. ene Stchpobe b. mehee Stchpoben 4. Egebnspäsentaton
27 Bespel ewetet Vaable Modell Modell Modell 3 Modell 4 Modell 5 Osten Ref. Ref. Ref. Ref. Ref. Nod Süden Westen Schwenduste Ref. Ref. Ref. Ref. Ref. Baunduste Lechtnduste Vekeh & Kommunkaton Handel Denstlestungen Fee Beufe Ausbldung Beufsefahung Betebszugehögket Konstante R² 9.4% 36.% 30.% 35.6% 8.9% adj. R² 7.8% 34.7% 8.6% 34.% 7.% n
28 Ekus: Heachsche Modelle Zwe Modelle A und a snd heachsch (nested), wenn de Paamete des Modells a ene Telmenge de Paamete des Modells A snd. Das (estngete) Modell a egbt sch aus dem (ncht estngeten) Modell A, ndem man fü de Paamete n A lneae Restktonen fomulet. (ncht estngetes) Modell A: Zwe Restktonen : egbt (estngetes) Modell a : und
29 Schttwese Modellübepüfung. Guppen von ekläenden Vaablen Häufg untescheden sch de ekläenden Vaablen n solche, de nu kontollet weden, de von zentale Bedeutung snd und de eventuell egänzend beückschtgt weden sollen.. Übepüfung de Stabltät de Schätze Bleben de Effekte de zentalen ekläenden Vaablen be veschedenen Modellspezfkatonen stabl? 3. Bestmmung de elatven Enflussstäke Da de Ekläungszuwachs von de Engabeehenfolge abhängt, fagt man häufg umgekeht: We veschlechtet sch de Modellft, wenn man de nteesseende Vaable aus dem Endmodell weglässt.
30 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen 3. Vegleche zwschen veschedenen Regessonsmodellen a. ene Stchpobe b. mehee Stchpoben 4. Egebnspäsentaton
31 Bespel 3: Ewebsenkommen 980 und Regessonskoeffzenten 976 Regessonskoeffzenten Vaable unstand. stand. unstand. stand. Ausbldung Beufsefahung Betebszugehögket Konstante R² adj. R² n.% 0.8% % 30.% 56 Datensatz wage.dta wage.dta 980: 935 männlche Beschäftgte aus den USA 976: 56 männl. und webl. Beschäftgte aus den USA Veglech enes Effektes zwschen Stchpoben Veglech mehee Effekte nnehalb ene Stchpobe
32 Veglech des Enflusses ene Vaablen zwschen den Stchpoben 980 Regessonskoeffzenten 976 Regessonskoeffzenten Vaable unstand. stand. unstand. stand. Ausbldung Beufsefahung Betebszugehögket Konstante R² adj. R² n.% 0.8% % 30.% 56 Datensatz wage.dta wage.dta Standadseung unnötg, da gleche Maßenheten (en- und deselbe Vaable). Standadseung soga schädlch, da z-tansfomaton stchpobenspezfsche Infomatonen vewendet. Benutze unstandadsete Regessonskoeffzenten!
33 Veglech des Enflusses mehee Vaablen nnehalb de Stchpoben 980 Regessonskoeffzenten 976 Regessonskoeffzenten Vaable unstand. stand. unstand. stand. Ausbldung Beufsefahung Betebszugehögket Konstante R² adj. R² n.% 0.8% % 30.% 56 Datensatz wage.dta wage.dta Standadseung notwendg, wenn de Vaablen n unteschedlchen Maßenheten gemessen snd. De Vewendung stchpobenspezfsche Infomatonen be de z- Tansfomaton st unschädlch, da Veglech nnehalb de Stchpobe. Benutze standadsete Regessonskoeffzenten!
34 Gledeung. Multple Regesson. Veglech des Enflusses veschedene Vaablen 3. Vegleche zwschen veschedenen Regessonsmodellen 4. Egebnspäsentaton
35 Egebnspäsentaton Hnwese zu Duchfühung enes egenen Foschungspojektes fnden sch n Kaptel 9 von Woolddge (003). Dan nsbesondee: Allgemen: Wtng an empcal pape (Abschntt 9.5, WO ) Tabellen: Stle hnts (WO , kopet)
36 Zum Schluss
37 Lteatu Woolddge, J. (003): Intoducto econometcs: a moden appoach. South Westen College Publshng. Kaptel 3 dskutet sowohl das tvaate als auch das allgemene multple Regessonsmodell. Lesen Se nu de Passagen (WO 68-84), de sch auf den deskptven Tel de Regessonsanalse bezehen. Standadsete Regessonskoeffzenten weden n Kaptel 6 eläutet (WO 8-87). Ebenso das adjustete R-Quadat (WO 96-00).
38 Zusammenfassung Multple Regesson Veglech de Effekte Veglech von Regessonsmodellen Welche Koeffzenten Becht übepüft Hpothesen übe Effekte von Vaablen Ekläung de Vaanz de Zelvaablen enfach be glechen Maßenheten standadsete Regessonskoeffzenten R-Quadat-Velust be Elmnaton kondtonale Effektplots Guppen von Vaablen Stabltät de Schätze Ekläungsbetag de enzelnen Vaablen zwschen Stchpoben: unstandadsete Koeffzenten nnehalb Stchpoben: standadsete Koeffzenten. Enletung,. Theoe / Konzeptonelles, 3. Daten, Hpothesen, Methoden, 4. Egebnsse, 5. Zusammenfassung und Ktk
39 Wchtge Fachausdücke Deutsch Englsch Deutsch Englsch unstandad. Regessonskoeffzent unstandadzed egesson coeffcent Restkton estcton standad. Regessonskoeffzent standadzed egesson coeffcent estngetes Modell estcted model adjustetes R-Quadat adjusted R-Squae ncht estngetes Modell unestcted model heachsches Modell heachcal (nested) model kondtonale Effektplot condtonal effect plot
40 Stata-Befehle eg 3 4 eg 3 4, beta geneate b_pognose_b[_cons] + _b[ncome]*ncome + _b[pestge]*0 + _b[educ]*0 + _b[attend]*0 + _b[sze]*0 gaph twowa lne b_pognose ncome Multple Regesson (Klenste- Quadate Methode) zusätzlch: Ausduck de standadseten Koeffzenten Beechnung unte Vewendung de nten abgespecheten Regessonskoeffzenten kondtonale Effekt-Plot
3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
Analyse von Querschnittsdaten. Bivariate Regression
Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004
P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)
Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,
Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006
Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,
4. Merkmalszusammenhänge 4.1 Kovarianz und Korrelation Der Begriff des Zusammenhangs Die Kovarianz
4. Mekmalszusammenhänge De mesten Hpothesen übe enen empschen Sachvehalt benhalten offen ode vedeckt fomulete Annahmen übe Kausalbezehungen. Das Aufdecken solche Kausalzusammenhänge elaubt uns, übe das
Prof. Dr. Johann Graf Lambsdorff Universität Passau. Pflichtlektüre: WS 2007/08
y, s. y Pof. D. Johann Gaf Lambsdoff Unvestät Passau y* VI. Investton und Zns c* WS 2007/08 f(k) (n+δ)k Pflchtlektüe: Mankw, N. G. (2003), Macoeconomcs. 5. Aufl. S. 267-271. Wohltmann, H.-W. (2000), Gundzüge
Einführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002
Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene
Funds Transfer Pricing. Daniel Schlotmann
Danel Schlotmann Fankfut, 8. Apl 2013 Defnton Lqudtät / Lqudtätssko Lqudtät Pesonen ode Untenehmen: snd lqude, wenn se he laufenden Zahlungsvepflchtungen jedezet efüllen können. Vemögensgegenstände: snd
Leistungsmessung im Drehstromnetz
Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n
Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen:
Zu nneung tchwote aus de 9. Volesung: ntelung von tößen: kn, kn kn,, kn, Q Q = 0 elastsche töße de umme de nneen nege de Telchen (chwngung und Rotaton) blebt unveändet, Q > 0 unelastsche töße knetsche
6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung:
ämeübetgung Unte ämeübetgung vesteht mn sämtlche Eschenungen, e enen äumlchen nspot von äme umfssen. De ämeübegng efolgt mme ufgun enes empetugefälles, un zw mme von e höheen zu neeen empetu (.Huptstz).
9. Der starre Körper; Rotation I
Mechank De stae Köpe; Rotaton I 9. De stae Köpe; Rotaton I 9.. Enletung bshe: (Systeme on) Punktmassen jetzt: Betachtung ausgedehnte Köpe, übe de de Masse glechmäßg etelt st (kene Atome). Köpe soll sch
Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
4. Krummlinige orthogonale Koordinaten
4 Kummlnge othogonale Koodnaten ückblck Zu uanttatven Efassung äumlche (und etlche) Beüge denen Koodnatensysteme Bshe haben w Katessche Koodnaten betachtet: { } { } { } Bass: e,,, Koodnaten:,,,, y, Vektoen:
Methoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
Modelle in der Raumplanung I
odelle n de Raumplanung I Klau Spekemann chael Wegene 4 Input-Output-odelle. Novembe 008 Input Sekto Output 0 0 Geamtnput 30 Shft-und-Shae-Analye Lehveantaltung "odelle n de Raumplanung" WS 008/009 Shft-und-Shae-Analye
Kernphysik I. Kernmodelle: Schalenmodell
Kenphysk I Kenmodee: Schaenmode Schaenmode Töpfchenmode und Femgasmode snd phänemonoogsche Modee mt beschänktem Anwendungsbeech. Se weden an de Expemente angepasst z.b. de Konstanten fü de Teme n de Massenfome
TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften
TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wtschaftswssenschaften Desdne Betäge zu Quanttatven Vefahen N. 58/1 Rato calculand pecul - en analytsche Ansatz zu Bestmmung de Velustvetelung enes Kedtpotfolos
nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
Konkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
Supply Chain Management
1 Supply Chan Management Supply Chan Metcs - The key to mpovement - Lay Lapde: What About Measung Supply Chan Pefomance? (Potal ode http://www.ascet.com/) http://www.supply-chan.og/ (SCOR Model) Supply
Seite 2. Anatomische, physikalische und funktionelle. Modelle des menschlichen Körpers. Delaunay Algorithmus 2D/3D.
Anatomsche, physkalsche und funktonelle Modelle des menschlchen Köpes Gundlagen de Modelleung Vsualseung Venetzung Vsualseung Was soll dagestellt weden? Medznsche Blddaten (CT, MT, Photogaphe,...) Anatome
Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
Nernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
Auswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Lineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
Lineare Gleichungssysteme und ihre Lösung
III Lnee Glechungssysteme und he Lösung In den Kpteln II. und II. wude de Bedeutung von Lneen Glechungssysteme (LGS) fü Poleme de Anlytschen Geomete deutlch. eshl stellt sch de Fge nch systemtschen Lösungsvefhen.
Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
Nomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
FORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5
1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,
Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
Lösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
Ordered Response Models (ORM)
Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,
3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
Zero-sum Games. Vitali Migal
Sena Gaphentheoe und Kobnatok Wnteseeste 007/08 Zeo-su Gaes Vtal Mgal 1 Inhaltsvezehns 1. Enletung... 3. Dastellung von Spelen... 3 3. Stategen... 4 4. Spele t unvollständge Infoaton... 9 1. Enletung Als
Netzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der
Obeflächenntegale Vektofluß duch ene Fläche - betachtet wd en homogenes Vektofeld v (B Lchtbündel) - das Lcht falle auf enen Spalt Defnton: Unte dem vektoellen Flächenelement ene ebnen Fläche vesteht man
Leseprobe. Jürgen Koch, Martin Stämpfle. Mathematik für das Ingenieurstudium ISBN: Weitere Informationen oder Bestellungen unter
Lesepobe Jügen Koch, Matn Stämpfle Mathematk fü das Ingeneustudum ISBN: 978-3-446-46- Wetee Infomatonen ode Bestellungen unte http://www.hanse.de/978-3-446-46- sowe m Buchhandel. Cal Hanse Velag, München
Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung
Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass
Institut für Technische Chemie Technische Universität Clausthal
Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von
Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
Statistik für Ingenieure (IAM) Version 3.0/21.07.2004
Stattk fü Igeeue (IAM) Veo 74 Vaazaalye Mt de efache Vaazaalye (ANOVA Aaly of Vaace) wd de Hypothee gepüft, ob de Mttelwete zwee ode mehee Stchpobe detch d, de au omaletelte Gudgeamthete gezoge wede, de
Ionenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
Statistische Methoden für Bauingenieure WS 13/14
Statstsche Methoden ür Baungeneure WS 3/4 Enhet 3: Bvarate Zuallsvarablen Unv.Pro. Dr. Günter Blöschl Bezechnungen... Zuallsvarable... Realsaton konkrete Werte Momente Grundgesamthet Mttelwert,Varanz Stchprobe
Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation
Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng
5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes
Enschub: De Fluss enes Vektofeldes am Bespel des Stömungsfeldes Vektofeld: Jedem Punkt m Raum ode n enem begenzten Gebet des Raumes wd en Vekto zugeodnet. Bespele: Gatatonsfeld t elektsches Feld Magnetfeld
Standardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
Geld- und Finanzmärkte
Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve
Physik A VL11 ( )
Physk A VL11 (0.11.01) Dynamk der Rotatonsbewegung I Kresbewegung und Kräfte Drehmoment und räghetsmoment Kresbewegung und Kräfte en Massepunkt (Schwerpunkt) führt nur ene ranslatonsbewegung aus ausgedehnte
Beschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
Universität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
Lineare Regression. Hypothesen-Test. Statistik 2 5. Vorlesung, November 21, Eigenschaften unserer Schätzer. Die Koeffizienten der Regression
Statstk 5. Volesug, Novembe, 0 Leae Regesso Ma ka de Mekmal Y mt ee X ähe: X: Eflussfakto Y: abhägges Mekmal Bespele: Y ax + b X: beobachtete Wettedate heute, Y: Wettedate moge X: Fläche, Y: Umsatz Allgeme:
14 Überlagerung einfacher Belastungsfälle
85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung
Magnetfeldmessung an Zylinderspulen (MZ) 1. Einleitung. 2. Aufgabenstellung. Physikalisches Praktikum Versuch: MZ
Technsche Unvestät Desden Fchchtung Physk A. Schwb C. Schöte 09/006 Physklsches Pktkum Vesuch: MZ Mgnetfeldmessung n Zylndespulen MZ 1. Enletung Nch dem Duchflutungsgeset st jede stomduchflossene ete von
Trade Barrier Reef. Hindernisse auf Weltmärkten. LISTENREGELN ZUM NPU? Die Pläne der EU-Kommission
Kompaktwssen fü den Außenhandel Ausgabe 4/2013 LISTENREGELN ZUM NPU? De Pläne de EU-Kommsson 6 DOS & DON TS Ogansaton ene Zoll- und Außenwtschaftsabtelung ES KÖNNTE BESSER SEIN! Felx Neugat (DIHK) zu Lage
Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
EAU SWH l$,0, wohngebäude
EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude
Physikalische Grundlagen der Biomechanik
Physkalsche Gundlagen de Bomechank Dplomabet zu Elangung des Magstegades an de Natuwssenschaftlchen Fakultät de Leopold-Fanzens-Unvestät Innsbuck engeecht be Hen A. Unv.-Pof. D. Chstoph LEUBNER Insttut
3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
Konzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet
Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3
ene achhochschule Hochschule fü Technk und Infomatk HTI ugdof Zusammenfassung lektotechnk uto: Nklaus uen Datum: 8. Septembe 004 Inhalt. lektsches eld... 3.. Gundlagen... 3... Lnenntegal... 3... lächenntegal...
Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1
Insttut für Technsche und Num. Mechan Technsche Mechan IV Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 16 A 1.1 Aufgabe 1: En mechansches Sstem wrd durch folgende lnearserte Bewegungsglechungen
Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
4. Energie, Arbeit, Leistung, Impuls
34 35 4. Energe, Arbet, Lestung, Ipuls Zentrale Größen der Physk: Energe E, Enhet Joule ( [J] [N] [kg /s ] Es gbt zwe grundsätzlche Foren on Energe: knetsche Energe: entelle Energe: Arbet, Enhet Joule
Über eine besondere Teilung einer Dreieckfläche
Paper-ID: VGI 93202 Über ene besondere Telung ener Dreeckfläche Leopold Herzka Hofrat. R., Wen Österrechsche Zetschrft für Vermessungswesen 30 (), S. 3 6 932 BbT E X: @ARTICLE{Herzka_VGI_93202, Ttle =
Auswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
Teil E: Qualitative abhängige Variable in Regressionsmodellen
Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.
Gliederung des Kurses:
Endmensonale Häfgketsvertelng Sete 1 Glederng des Krses: I II Allgemene Grndlagen Statstsche Analyse enes enzelnen Merkmals Analyse/Beschrebng enes enzelnen Merkmals Zel: Verdchtng (Komprmerng) ener nüberschabaren
binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
Übung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
Der technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.
- 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens
Generalisiertes Vektorraummodell (Generalized Vector Space Model, GSVM) Karin Haenelt
Genealsetes Vetoaummodell (Genealzed Veto Spae Model, GSVM) Kan Haenelt 5..04 Abüzungen n Anzahl de Doumente n de Doumentsammlung d Doument n de Doumentsammlung, n t Anzahl de Teme n ene Doumentsammlung
(Essentiell) τ-äquivalente Tests:
(Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,
Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
Versicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio.
SBWL GK nanzwtschaft Schedelseke otefeulletheoe Ene Enfühung. akowtz-odell (a) nnahen De Entschedungen de Investoen snd ewels auf ene eode gechtet. Investoen vefügen übe subektve Wahschenlchketsvostellungen
Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit
3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen
Stochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
Quantitative BWL 2. Teil: Finanzwirtschaft
Quattatve BWL. el: Fazwtschaft Mag. oáš Sedlačk Lehstuhl fü Fazdestlestuge Uvestät We Quattatve BWL: Fazwtschaft Ogasatosches Isgesat wd es 6 ee gebe (5 Ehete + Klausu Klausu fdet a D 7. Jaua 009 statt
Die Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern