Teil 4: Kostenkontrollrechnungen. Abweichungsanalyse
|
|
- Robert Kurzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Teil 4: Kostenkontrollrechnungen Abweichungsanalyse 1
2 Kontrolle und Abweichungsursachen Im Rahmen der Kontrolle werden Sollgrößen den realisierten Istgrößen gegenübergestellt Ermittelte Differenz: Abweichung Abweichungen werden in kontrollierbare und nicht kontrollierbare Abweichungen unterteilt Kontrollierbare Abweichungen hätten vermieden werden können oder könnten in Zukunft vermieden werden zb Suboptimale Einstellung einer Maschine führt zu erhöhtem Ausschuss Nicht kontrollierbare Abweichungen Entstehen durch Zufallseinflüsse außerhalb der Kontrolle des Unternehmens Zinsniveauänderungen, Markteinbruch, höhere Gewalt 2
3 Abweichungsursachen Unbeabsichtigte Fehler entstehen zb durch Nachlässigkeit oder fehlende Konzentration Beabsichtigte Fehler beschreiben gezieltes Fehlverhalten eines Entscheidungsträgers zb zur Verfolgung persönlicher Ziele 3
4 Funktionen der Kontrolle Entscheidungsunterstützungsfunktion Kontrolle erfolgt mit dem Ziel, Fehler der Vergangenheit in Zukunft zu vermeiden Planung verbessern, Entscheidungen verbessern Entscheidungsbeeinflussungsfunktion Kontrolle erfolgt mit dem Ziel der Koordination Ex post Kontrolle soll ex ante Verhalten beeinflussen Voraussetzung für Koordinationsbedarf Bestehen von Zielkonflikten Informationsasymmetrie 4
5 Funktionen der Kontrolle Entscheidungsbeeinflussungsfunktion Kontrolle nicht unabhängig von Organisationsstruktur Festlegung von Entscheidungsrechten, Anreizsystemen etc. beeinflussen, welche Kontrollaktivitäten sinnvoll sind 5
6 Der Kontrollprozess Gliederung Aufstellung des Kontrollfeldes Für welche Kostenarten oder Kostenträger sollen wie oft Soll- und Istwerte verglichen werden Bestimmung der Soll- und Istgrößen Potentielle Sollgrößen: Istgrößen, Normalisierte Größen, Prognosewerte, Standardgrößen Vergleich der Soll- und Istgrößen und Aufspaltung der Gesamtabweichung in Einzelabweichungen Auswertung der Ergebnisse der Abweichungsanalyse 6
7 Abweichungsanalyse- Konzepte Bezugssystem Gesamtabweichung als Differenz zwischen Soll- und Istgröße Ist-Soll-Vergleich: Soll-Ist-Vergleich: Bezugsbasis: Istbezugsgrößen: Planbezugsgrößen: Wobei y eine beliebige Einflussgröße auf die Kosten beschreibt zb Mengen, Preise, Maschinenstunden Mit 7
8 Beispiel 8
9 Aufspaltung der Gesamtabweichung Gesamtabweichung ist oft wenig aussagefähig Viele Kosteneinflussgrößen können Abweichungen aufweisen und sich gegenseitig auch aufheben Teilabweichungen sind von Interesse Helfen die Erfolgskonsequenzen von Abweichungen bei einzelnen Einflussgrößen abzuschätzen Zerlegung in Teilabweichungen: Gesamtabweichung: Idealerweise Aufteilung in Abweichungen, die jeweils genau die Auswirkungen der Änderung eines Einflussfaktors messen: Gesamtabweichung ergäbe sich dann als 9
10 Aufspaltung der Gesamtabweichung Aufspaltung in dieser Form nicht immer möglich Bereits bei multiplikativen Verknüpfungen ergeben sich gemischte Abweichungen Beispiel: Preis- und Mengenabweichung als Kosteneinflussgrößen Faktorpreis: r, Faktormenge: q, Kosten: K(r,q)= r*q Abweichungen erster Ordnung: Preisabweichung: Mengenabweichung: Abweichung zweiter Ordnung (gemischte Abweichung): Verursachungsgerechte Zuordnung nicht mehr möglich 10
11 Preis- und Mengenabweichungen 11
12 Methoden der Abweichungsanalyse Unterscheiden sich dadurch, wie sie mit dem Problem der(n) gemischten Abweichung(en) umgehen Gängige Methoden Differenzierte Methode Gemischte Abweichungen werden gesondert ausgewiesen Alternative Methode Jeweils nur eine Einflussgröße wird von Ist auf Soll gesetzt Kumulative Methode Sukzessiv werden Einflussgrößen von Ist auf Soll gesetzt Symmetrische Methode Gleichmäßige Aufteilung der gemischten Abweichungen auf die Abweichungen erster Ordnung 12
13 Beispiel 13
14 Anforderungen an Methoden Welche Methode ist zweckmäßig? Typische Anforderungen an Abweichungsanalysemethoden, die in der Literatur genannt sind: Vollständigkeit Invarianz Willkürfreiheit Koordinationsfähigkeit Wirtschaftlichkeit und Praktikabilität Differenzierte Methode erfüllt die Voraussetzungen am ehesten Kumulative Methode ist in der Praxis am häufigsten anzutreffen 14
15 Planungskontrolle Ausgangspunkt: ex post-plangröße K s i p i s p s K = K K = K K K K K S... Bestmögliche Plangröße Realisationsabweichung Planabweichung unter aktuellen Bedingungen bzw Annahmen Abgrenzung der Verantwortung zwischen Planabteilung und Realisierenden problematisch Ex post-plangröße müsste Informationsstand des Verantwortlichen berücksichtigen Plangröße nur für Beurteilung der Planung oder Realisation Informationskosten sind zu beachten Realisationsabweichungsermittlung hat wichtige Anreizwirkung zur Informationsnutzung Realisationshandlungen können Umweltentwicklung direkt beeinflussen Je kürzer der Planungshorizont, desto weniger wahrscheinlich Planabweichungen 15
16 Beispiel Verhältnisse zum Planungszeitpunkt x = p, K = x x p p p = 449, p = 551, G = Der realisierte Gewinn sei: G i = Zum Kontrollzeitpunkt wird mit folgenden Annahmen gerechnet x = p, K = x s s s x = 497, p = 2515,, G = , 5 i s p s Ex-post-Kontrolle: ( G G ) ( G G ) = ( ,5 ) ( ,5 ) = , ,5 = = = 16
17 Auswertung von unbeabsichtigten Abweichungen Grund: Unsicherheit der künftigen Entwicklung Abweichungen kontrollierbar nicht kontrollierbar unbeabsichtigte Abweichungen: verschiedene Modelle zur Auswertung Berücksichtigung von Kosten und Nutzen der Auswertung ein- oder mehrperiodig aktuelle Entwicklungen im Bereich der Fertigungstechnologien und Fertigungssysteme 17
18 Statistische Modelle Annahmen und Voraussetzungen Höhe der Abweichungen als einziger Indikator für (nicht) kontrollierbare Ursache Große Zahl von Beobachtungen erforderlich Kontrollkarten-Verfahren (Shewhart-Verfahren) Größere Abweichungen werden als kontrollierbar eingestuft Festlegung von Kontrollgrenzen Beachtung möglicher Fehler Fehler 1. Art: Analyse trotz Nicht-Kontrollierbarkeit Fehler 2. Art: Keine Analyse trotz Kontrollierbarkeit IdR zweiseitige Auswertungsstrategien Oft unterschiedliche Grenzwerte für positive und negative Abweichungen Methodik: Hypothesentest, ob Abweichung = 0 Annahmebereich bei Normalverteilungsannahme im Intervall ( tσ,+tσ) 18
19 Statistische Modelle Illustration Abweichung außerhalb des Intervalls [-2,58σ, +2,58σ] Wahrscheinlichkeit 1 % für unkontrollierbare Ursachen zb Abstellen und Prüfen der Fertigungsanlage Festlegung Warngrenzwerte zb Intervall [-1,96σ, +1,96σ] 5 % Wahrscheinlichkeit für unkontrollierbare Ursachen zb Test bei laufender Anlage 19
20 Kontrollkartenverfahren - Grafik Abweichung Abweichung obere Kontrollgrenze obere Kontrollgrenze 0 Zeit 0 Zeit untere Kontrollgrenze untere Kontrollgrenze Abweichung vermutlich zufällig Vermutlich kontrollierbarer Fehler 20
21 Einperiodiges Modell mit Kosten/Nutzen der Auswertung Entscheidungsmatrix: Abweichungsursache kontrollierbar nicht kontrollierbar Aktion Untersuchung und ggf Korrektur I + K I sofortige Korrektur K K nichts unternehmen OK 0 I K OK Kosten der Untersuchung, soll mit Sicherheit Kontrollierbarkeit aufdecken Kosten der Korrekturmaßnahmen Kosten bei Nichtkorrektur kontrollierbarer Ursachen Bei I und K zusätzlich anfallende Kosten relevant Außerdem muss gelten: I + K < OK Risikoneutralität: Entscheidung nach dem Erwartungswert der Kosten Voraussetzung: Wahrscheinlichkeit φ [0, 1] für kontrollierbare Abweichung 21
22 Einperiodiges Modell mit Kosten/Nutzen der Auswertung: Lösung Entscheidung zwischen Aktion 1 und Aktion 3 (nichts tun) Durchführung einer Untersuchung, wenn φ ( I + K) + (1 φ) I = I + φ K < φ OK Nie Untersuchung, wenn OK I + K Stets Untersuchung, wenn I = 0 und OK > K φ > φˆ 13 = I OK Entscheidung zwischen Aktion 1 und Aktion 2 (sofortige Korr.) Durchführung einer Untersuchung, wenn K φ ( I + K) + ( 1 φ) I = I + φ K< K Nie Untersuchung, wenn I K Stets Untersuchung, wenn I = 0 φ < φˆ 12 Entscheidung zwischen Aktion 2 und Aktion 3 Sofortige Korrekturmaßnahmen, wenn K < φ OK = K I K φ > φˆ 23 = K OK 22
23 Einperiodiges Modell mit Kosten/Nutzen der Auswertung: Grafik Kosten OK φ OK I + φ K I + K K I 0 nichts tun ˆφ 13 ˆφ 23 ˆφ 12 sofort Korr 1 φ Untersuchung, uu Korr. 23
24 Auswertung von beabsichtigten Abweichungen Unterschiede gegenüber Auswertung unbeabsichtigter Abweichungen Verursachung sowohl durch absichtlich gesetztes Verhalten als auch durch nicht kontrollierbare Einflussgrößen Differenzierung in kontrollierbare und nicht kontrollierbare Ursachen für Verhaltenssteuerungsfunktion nicht geeignet Auswertung von Abweichungen ex post wertlos Motivationswirkung ex ante 24
25 Agency-Modell Agency-Modell auch Prinzipal-Agenten-Modell genannt im einfachsten Fall: zwei Personen in hierarchischer Organisation Prinzipal: Unternehmenseigentümer Agent: Manager Zielkonflikt - Anreizproblem 25
26 Agency-Modell Annahmen Prinzipal: risikoneutral, besitzt Produktionstechnologie Agent: risikoscheu, entscheidet über Arbeitseinsatz a Umweltsituation θ: externe, nicht kontrollierbare Größen Ergebnis x = x(a,θ): allgemein beobachtbar Prinzipal erhält Ergebnis, bezahlt daraus Agenten S(x) Höheres a durchschnittlich höheres Ergebnis, höherer Disnutzen für Agenten V(a) asymmetrisch verteilte Information: Prinzipal kann nicht von x auf a schließen Teilnahme-Bedingung des Agenten: Mindestnutzen bei alternativer Beschäftigung (Reservationsnutzen U) 26
27 Agency-Modell First best-lösung bei beobachtbarer Arbeitsleistung oder beobachtbarem Umweltzustand Einfache Lösung in zwei Fällen: Agent ist risikoneutral Prinzipal möchte niedrigste Arbeitsleistung durchsetzen Second best-lösung bei Informationsasymmetrie Trade-off zwischen Risiko und Anreizen 27
28 Zustände, Überschüsse und Beobachtbarkeit Beispiel Zustände θ 1 θ 2 θ 3 θ 4 Wahrsch. (0,2) (0,2) (0,3) (0,3) x x ( a L θi ) ( θ ) a H, , i E xa L = E xa H = Keine Rückschlüsse vom Überschuss auf die Aktion möglich Unterdrückung der Zustände wie folgt: f f x = x = x = ( x al ) 0,4 0,3 0,3 ( x a ) 0,2 0,2 0, 6 H 28
29 Moving support Was wäre, wenn folgende Situation vorläge? Zustände θ 1 θ 2 θ 3 θ 4 Wahrsch. (0,2) (0,2) (0,3) (0,3) x x ( a L θi ) ( θ ) a H, , i Was, wenn folgende Situation vorläge? Zustände θ 1 θ 2 θ 3 θ 4 Wahrsch. (0,2) (0,2) (0,3) (0,3) x x ( a L θi ) ( θ ) a H, , i 29
30 Agency-Modell Ein binäres Modell Ergebnis: x 2 > x 1 > 0 Arbeitsleistung: a H > a L Wahrscheinlichkeitsstruktur: Wahrscheinlichkeiten Ergebnis x 1 Ergebnis x 2 Disnutzen V(a) Aktion a L L 1 Aktion a H H 1 Nutzenfunktion des Agenten U( si, aj) = s i v j L φ φ 2 H φ 2 v L φ v H Wenn u i = si, dann gilt U( si, aj) = u i v j 30
31 Agency-Modell Zielfunktion des Prinzipals H 2 H 2 max φ ( x u ) + φ ( x u ) u, u H H H 2 H 2 φ1 x1+ φ2 x2 min φ1 u1 + φ2 u2 u1, u2 erwarteter Erfolg erwartete Kosten der Entlohnung Teilnahmebedingung φ H u + φ u v U H H Aktionswahlbedingung H H L L φ u + φ u v φ u + φ u v H L 31
32 Agency-Modell H 2 H 2 H H LG = φ + φ λ φ + φ 1 u1 2 u2 1 u1 2 u2 vh U ( L) H H L L µ φ1 u1+ φ2 u2 vh φ1 u1+ φ2 u2 v φ2 u = U + v 1 H φ1 u = U + v + 2 ( vh vl) φ φ H H L 2 2 H ( vh vl) φ φ H H L
33 Agency-Modell Vergleich mit first best-lösung für i = 1,2 Bei Beobachtbarkeit: Aktionswahl-Restriktion irrelevant First best-lösung Asymmetrische Information: Aktionswahl-Restriktion relevant Second best-lösung Differenz: Agency costs 33
34 Beispiel Beispiel Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist wie folgt gegeben. Wahrscheinlichkeit x 1 x 2 v j a L 0,6 0,4 0 a H 0,3 0,7 4 Als first best-lösung ergibt sich ein Nutzen der Entlohnung von U + v H = 24 und erwartete Entlohnungskosten von 24 2 = 576. Die second best-lösung ergibt u 1 = 14,67 und u 2 = 28. Der Erwartungswert der Nutzen der Entlohnung beträgt gerade wieder 24. Die erwarteten Entlohnungskosten steigen allerdings (wegen der Quadrierung der u i ) auf 613,13. Es resultieren Agency-Kosten von 613, = 37,33. Diesen Betrag könnte man hier auch als Wert der Information über die Arbeitsleistung interpretieren. 34
35 Abweichungsanalyse im Agency-Modell Anbindung der Kompensation an die Ergebnisabweichung x = x i - x p = x(a i, θ i ) - x (a p, θ p ) Lösung bleibt dieselbe Prinzipal kann keine Abweichungsauswertung durchführen, die unerwünschtes Verhalten offenbart Ex post entsteht Abweichung aus Zufallsschwankung Risikoaufteilung ex post nicht optimal Verletzung des Controllability - Prinzips Agent muss für Gesamtabweichung und damit für θ verantwortlich gemacht werden Kontrollmechanismus wirkt sich auf Planung aus! Anreizwirkung einer Auswertung Kenntnis der Auswertungsstrategie bewirkt ex ante Anreiz für Agenten, sich wie vereinbart zu verhalten Kosten-Nutzen - Abwägung erforderlich 35
36 Grundsätzliche Auswertungsstrategien im Agency-Modell Annahmen Prinzipal risikoneutral Agent wählt zwischen niedriger (a L )oder hoher Arbeitsleistung (a H ) Auswertungskosten K Abweichungsauswertung liefert Information y zb wie folgt: y H Wahrsch. φ(y H a H )=φ y y L Wahrsch. φ(y L a H )=1 φ 1/2 < φ 1 Bei φ = 1 faktisch sichere Information über die Arbeitsleistung Prinzipal entscheidet nach Beobachtung von x über Auswertung Auswertungswahrscheinlichkeit α = α(x) [0,1] Entlohnung ohne Auswertung s(x), mit Auswertung s(x,y L ), s(x,y H ) oder s(x) 36
37 Auswertungsstrategien im Agency-Modell (2) Annahme: φ = 1 Auswertung nur bei ungünstigem Ergebnis Optimierungsproblem min φ H u + φ H u u, u Unter den Nebenbedingungen φ H u + φ u v U H Auswertung nur bei hohem Ergebnis Aktionswahlbedingung H H H L L φ1 u1+ φ2 u2 vh φ + φ u2 v = 0 H H L L φ1 u1+ φ2 u2 vh φ1 u1+ φ 2 0 v = 0 L L 37
38 Beispiel Beispiel Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist wie folgt gegeben. Wahrscheinlichkeit x 1 x 2 v j a L 0,6 0,4 0 a H 0,3 0,7 4 Als first best-lösung ergibt sich ein Nutzen der Entlohnung von U + v H = 24 und erwartete Entlohnungskosten von 24 2 = 576. Die second best-lösung ergibt u 1 = 14,67 und u 2 = 28. Der Erwartungswert der Nutzen der Entlohnung beträgt gerade wieder 24. Die erwarteten Entlohnungskosten steigen allerdings (wegen der Quadrierung der u i ) auf 613,13. Es resultieren Agency-Kosten von 613, = 37,33. Diesen Betrag könnte man hier auch als Wert der Information über die Arbeitsleistung interpretieren. 38
39 Beispiel Nun sei angenommen, die Entlohnung würde gleichgehalten und nur im Fall der Auswertung bei Auffinden von a L würde Null bezahlt. Im Fall der Auswertung nur bei ungünstigem Ergebnis lautet die Aktionswahlbedingung H H L φ 24 + φ φ ,4 24 = 9,6 Diese Bedingung ist damit erfüllt. Bei Auswertung nur des günstigen Ergebnisses ist die Aktionswahlbedingung genauso erfüllt: H H L φ 24 + φ 24 4 φ ,6 24 = 14,4 Daraus folgt, daß die Sanktion, nämlich Null zu zahlen, hier völlig ausreicht, um mit jeder der beiden Auswertungsstrategien die first best-lösung zu implementieren. Eine bessere Lösung ist nicht mehr möglich. Für einen vollständigen Vergleich sind allerdings die Auswertungskosten K zu berücksichtigen. 39
40 Beispiel Sind die Kosten der Auswertung nur von der Tatsache der Auswertung, nicht aber von den Ergebnissen selbst abhängig, ist es günstiger, bei ungünstigem Ergebnis auszuwerten, denn a priori tritt das ungünstige Ergebnis nur mit einer Wahrscheinlichkeit von 0,3 ein. Daher wird im Erwartungswert weniger oft ausgewertet. Man kann noch einen Schritt weiter gehen und überlegen, ob es nicht ausreicht, nur stichprobenartig auszuwerten. Angenommen, bei Beobachtung des ungünstigen Ergebnisses wird mit α [0; 1] ausgewertet. Dann ändert sich die Aktionswahlbedingung zu: φ 24 + φ 24 4 α φ 0 + (1 α) φ 24 + φ 24 0 H H L L L (1 α ) 0, , ,4 (1 α ) 14,4 Sie ist solange erfüllt, als α 5/18 gewählt wird. Damit reduzieren sich die erwarteten 1 Auswertungskosten ebenfalls auf α φ K H, ohne dass sich die Anreize ändern. 40
41 Auswertungsstrategien im Agency-Modell Nicht perfekte Information durch Auswertung Signal y = y 1 oder y = y 2 Wahrscheinlichkeiten Signal y 1 Signal y 2 Summe Aktion a L L Ergebnis x 1 11 L Ergebnis x 2 21 Aktion a H H Ergebnis x 1 11 H Ergebnis x 2 21 L L φ φ 12 φ 1 L L φ φ 22 φ 2 H H φ φ 12 φ 1 H H φ φ 22 φ 2 Optimierungsproblem (Auswertung nur bei x 1 ) H 2 H 2 H 2 min φ u + φ u + φ u u, u, u Nebenbedingungen H H H φ u + φ u + φ u v U H H H H L L L φ u + φ u + φ u v φ u + φ u + φ u v H L 41
42 Beispiel Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist unten dargestellt. Wie sich leicht überprüfen läßt, sind die Ergebniswahrscheinlichkeiten (vor Beobachtung von y) gleich wie im obigen Beispiel. Die first best-lösung liefert wiederum einen Nutzen der Entlohnung von U + v H = 24 und erwartete Entlohnungskosten von 24 2 = 576. Die optimalen Lösungen wurden mit dem Solver in Microsoft Excel ermittelt. Aktion a L Aktion a H Wahrscheinlichkeit y 1 y 2 y 1 y 2 x 1 0,3 0,3 0,1 0,2 x 2 0,3 0,1 0,2 0,5 Auswertung nur bei ungünstigem Ergebnis: u 11 = 10,17 u 12 = 20,54 u 2 = 26,96 Erwartete Entlohnungskosten 603,65 Auswertung nur bei günstigem Ergebnis: u 1 = 18,03 u 21 = 21,01 u 22 = 28,78 Erwartete Entlohnungskosten 599,88 Die Auswertung nur bei günstigem Ergebnis ist (vor allfälligen Auswertungskosten) vorteilhaft. 42
43 Beispiel Nun sei folgende Wahrscheinlichkeitsstruktur betrachtet; alle anderen Daten bleiben gleich. Dadurch ist auch das first best-ergebnis dasselbe. Aktion a L Aktion a H Wahrscheinlichkeit y 1 y 2 y 1 y 2 x 1 0,56 0,14 0,1 0,4 x 2 0,24 0,06 0,1 0,4 Auswertung nur bei ungünstigem Ergebnis: u 11 = 16,22 u 12 = 25,10 u 2 = 24,68 Erwartete Entlohnungskosten 582,77 Auswertung nur bei günstigem Ergebnis: u 1 = 21,17 u 21 = 14,09 u 22 = 30,02 Erwartete Entlohnungskosten 604,32 Das Ergebnis dreht sich um: Die Auswertung ist hier bei ungünstigem Ergebnis (vor allfälligen Auswertungskosten) besser. 43
44 Auswertungsstrategien im Agency-Modell Zusammenfassung Art der Risikoscheu des Agenten führt zu unterschiedlichen Ergebnissen Kontinuierliche Agency-Modelle: nur Auswertung mit Sicherheit oder keine Auswertung Nutzen ist in der Regel nicht symmetrisch um Null verteilt Funktion: ex ante-wirkung auf Agenten Verhaltenssteuerung Auswertung ungünstiger Abweichungen: Versicherungseffekt Auswertung günstiger Abweichungen: Belohnung Mathematisch komplexere Modelle könnten nur noch mehr Varianten optimaler Auswertungsstrategien liefern 44
Analyse von Erlösabweichungen
Analyse von Erlösabweichungen 1. Trierer Forum Rechnungswesen und Controlling Problemlösungen für Unternehmen der Region 22. September 2006 1 Gliederung 1. Einleitung 2. Klassische Budgetkontrollen als
MehrVorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 3. Vorlesung 14.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 3. Vorlesung 14.11.2007
MehrNeue Institutionenökonomik, Aufgabe 18 Seite 1
Neue Institutionenökonomik, Aufgabe 18 Seite 1 Allgemeine Informationen zum Principal-Agent-Modell Es geht hier nun um die Vertragsausgestaltung zwischen dem Eigentümer (Prinzipal) einer Firma und dem
MehrControllability versus Informativeness. Koordination und Budgetierung - Exkurs
Controllability versus Informativeness Performancemessung und Organisationsstrukturen Performancemessung und Organisationsstruktur müssen zusammen passen Abhängig von der Organisationsstruktur haben unterschiedliche
Mehr(a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...
1 KAP 19. Expertenberatung Wir betrachten eine Modell, in dem... (a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...... entscheidungsrelevante Information
MehrDiplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY
Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Prüfungsfach/Modul: Allgemeine Volkswirtschaftslehre Volkswirtschaftstheorie Wahlmodul Klausur: Neue Institutionenökonomik (Klausur 60 Min) (200101, 201309,
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
Mehr3. Betriebswirtschaftliche Entscheidungslehre 3.6 Entscheidung unter Risiko
Dominanzprinzipien : Absolute Dominanz: Eine Alternative A i dominiert eine Alternative A j absolut, wenn das geringstmögliche Ergebnis von A i nicht kleiner ist als das grösstmögliche Ergebnis von A j,
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 7.9. Lösungen zum Hypothesentest II Ausführliche Lösungen: A A Aufgabe Die Firma Schlemmerland behauptet, dass ihre Konkurrenzfirma Billigfood die Gewichtsangabe,
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrÜbungsaufgaben Asymmetrische Information und Prinzipal Agenten Beziehungen
Mikroökonomie I Übungsaufgaben Asymmetrische Information und Prinzipal Agenten Beziehungen 1. Paula besitzt eine Firma, die Gewinnfunktion der Firma lautet Π(x) = R(x) C(x), wobei R(x) die Erlösfunktion
MehrDiplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY
Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Fach/Modul/Schwerpunkt: Allgemeine Volkswirtschaftslehre Volkswirtschaftstheorie Wahlmodul Klausur: Neue Institutionenökonomik (Klausur 60 Min) (000, 0309,
Mehr2) Ihr Chef schlägt vor, dass die Firma nicht Lieferant werden soll, wenn
Aufgabe Stochastik Mathe Grundkurs Signifikanztests Ein Hersteller von Schrauben behauptet, dass mindestens 90% seiner Schrauben rostfrei sind, wenn sie fünf Jahre lang im Außenbereich eingesetzt werden.
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrM13 Übungsaufgaben / pl
Die Histogramme von Binomialverteilungen werden bei wachsendem Stichprobenumfang n immer flacher und breiter. Dem Maximum einer solchen Verteilung kommt daher keine allzu große Wahrscheinlichkeit zu. Vielmehr
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrKapitel 13: Unvollständige Informationen
Kapitel 13: Unvollständige Informationen Hauptidee: Für das Erreichen einer effizienten Allokation auf Wettbewerbsmärkten ist es notwendig, dass jeder Marktteilnehmer dieselben Informationen hat. Informationsasymmetrie
MehrKlausur zur Vorlesung Spieltheorie Musterlösung
Prof. Dr. Ulrich Schwalbe Sommersemester 2001 Klausur zur Vorlesung Spieltheorie Musterlösung Die Klausur besteht aus vier Vorfragen, von denen drei zu beantworten sind sowie drei Hauptfragen, von denen
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrMathematische und statistische Methoden II
Statistik & 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
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrMögliche Fehler beim Testen
Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrUm zu entscheiden, welchen Inhalt die Urne hat, werden der Urne nacheinander 5 Kugeln mit Zurücklegen entnommen und ihre Farben notiert.
XV. Testen von Hypothesen ================================================================== 15.1 Alternativtest ------------------------------------------------------------------------------------------------------------------
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrÜbung Controlling WS 2015/16
Übung Controlling WS 2015/16 Übung 4: Kontrollsystem und Personalführung Ausgangslage: Vertragsbeziehung zwischen Prinzipal und Agent Anstrengungsniveau bzw. Aktivitäten des Agenten sind für den Prinzipal
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 21.05.2010 Dr. Daniel Haase FS 2010 daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 401-0622-00 U 11 Zur Übungsstunde vom 21.05.2010 Aufgabe 31 (Rechnen mit der Normalverteilung
MehrGeldpolitische Institutionen Teil 2. Steffen Ahrens Fakultät VII Geldtheorie- und Geldpolitik WS2013/2014
Geldpolitische Institutionen Teil 2 Steffen Ahrens Fakultät VII Geldtheorie- und Geldpolitik WS2013/2014 Gliederung: Teil 1: 1. Regelgebundene Geldpolitik Teil 2: 2. Delegation der Geldpolitik 3. Geldpolitik
Mehr(8 + 2 Punkte) = = 0.75
Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrKlassifikation von Daten Einleitung
Klassifikation von Daten Einleitung Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Klassifikation von Daten Einleitung
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrKapitel 5: Entscheidung unter Unsicherheit
Kapitel 5: Entscheidung unter Unsicherheit Hauptidee: Die Konsequenzen einer Entscheidung sind oft unsicher. Wenn jeder möglichen Konsequenz eine Wahrscheinlichkeit zugeordnet wird, dann kann eine rationale
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrVerfeinerungen des Bayesianischen Nash Gleichgewichts
Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrMinisterium für Schule und Weiterbildung NRW M GK HT 7 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Grundkurs
Seite 1 von 9 Unterlagen für die Lehrkraft Abiturprüfung 01 Mathematik, Grundkurs 1. Aufgabenart Stochastik mit Alternative 1 (ein- und zweiseitiger Hypothesentest). Aufgabenstellung 1 siehe Prüfungsaufgabe
MehrEinführung in die (induktive) Statistik
Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung
MehrProf. Dr. Gunther Friedl
CONTROLLING (WS 03/4) Tutorium 3: Kontrollsystem und Personalführung Aufgabe 3.: Vergütungsvertrag zur Anreizsetzung: Das LEN-Modell a) Warum werden in Unternehmen variable Vergütungen gezahlt, deren Höhe
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrDiplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY
Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Prüfungsfach/Modul: Allgemeine Volkswirtschaftslehre Wirtschaftstheorie Wahlmodul Klausur: Institutionenökonomik (Klausur 60 Min) (200101, 201309, 211301)
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrZeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrFach/Modul/Schwerpunkt: Wahlmodul / Wahlmodul BWL/VWL Klausur: Institutionenökonomik (Wiederholerklausur) (Klausur 60 Min) (211301)
Fach/Modul/Schwerpunkt: Wahlmodul / Wahlmodul BWL/VWL Klausur: Prüfer: Prof. Dr. Johann Graf Lambsdorff Prüfungstag: 15. Juli 2014 Blatt 1 von 6 Hinweise: Es können insgesamt 60 Punkte erworben werden.
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrMultimomentaufnahme. Fachhochschule Köln Campus Gummersbach Arbeitsorganisation Dr. Kopp. Multimomentaufnahme. Arbeitsorganisation
1 Gliederung der Präsentation - Definition - Zeitstudien Einordnung - Prinzip und Verfahrensformen - Genereller Ablauf - Planung von MM-Studien 2 Definition multum momentum viel Augenblick Die besteht
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrBachelorprüfung für Volkswirte. Mikroökonomie II
Seminar für Wirtschaftstheorie Prof. Thorsten Chmura Bachelorprüfung für Volkswirte Mikroökonomie II Die Klausur besteht aus drei Aufgaben, die alle bearbeitet werden müssen. Für jede Aufgabe gibt es maximal
MehrWahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 28.05.2009 1 Korrektur zur letzten Vorlesung Bsp. Fehlerfortpflanzung in einer Messung c B a 2 2 E c Var c a b A b 2 2 2 n h( x)
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
MehrAufgabenblatt 1: Rechenbeispiel zu Diamond/Dybvig (JPE 1983)
Aufgabenblatt 1: Rechenbeispiel zu Diamond/Dybvig (JPE 1983) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe Betrachten Sie den
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrDiplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY
Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Prüfungsfach/Modul: Allgemeine Volkswirtschaftslehre Wirtschaftstheorie Wahlmodul Klausur: Institutionenökonomik (Klausur 60 Min) (200101, 201309, 211301)
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 13 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrÜbungen zur Internen Unternehmensrechnung
Christian Ernst Christian Riegler Gerald Schenk Übungen zur Internen Unternehmensrechnung Zweite, überarbeitete und erweiterte Auflage Mit 29 Abbildungen und 200 Tabellen Springer Inhaltsverzeichnis Vorwort
MehrWenn es sich um ein faires Spiel handeln soll, muss der Einsatz 1 betragen (2) Weniger als 3 mal Wappen ( ) 32 (3) Mindestens 1 mal Wappen ( )
R. Brinkmann http://brinkmann-du.de Seite 7.09.0 Lösungen Stochastik vermischt II Ergebnisse: E E E E4 E E6 Ergebnis Wenn es sich um ein faires Spiel handeln soll, muss der Einsatz betragen. Ergebnisse
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrGrundzüge der. Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit
Grundzüge der Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit 1 BESCHREIBUNG VON RISIKO 2 Entscheidung unter Risiko Annahme: Wir kennen alle möglichen (sich gegenseitig ausschliessenden)
MehrEntlohnung im Experiment Annette Kirstein
Entlohnung im Experiment Annette Kirstein Ökonomische Anreize in Unternehmen und Märkten vom 20. Januar 2009 Eine der wichtigsten Annahmen in der Ökonomik ist: Finanzielle Anreize verbessern die Leistung.
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite 1 von 9 Unterlagen für die Lehrkraft Abiturprüfung 2010 Mathematik, Leistungskurs 1. Aufgabenart Stochastik mit Alternative 1 (ein- und zweiseitiger Hypothesentest) 2. Aufgabenstellung siehe Prüfungsaufgabe
Mehr1 Gemischte Lineare Modelle
1 Gemischte Lineare Modelle Wir betrachten zunächst einige allgemeine Aussagen für Gemischte Lineare Modelle, ohne zu tief in die mathematisch-statistische Theorie vorzustoßen. Danach betrachten wir zunächst
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
MehrQuantitative Auswertung II. Korpuslinguistik Heike Zinsmeister
Quantitative Auswertung II Korpuslinguistik Heike Zinsmeister 16.12.2011 Unterschiedstest Fall 1: unabhängige Stichproben Daten eine unabhängige Variable auf Nominal- oder Kategorialniveau eine abhängige
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrDer Entscheidungsträger wählt aus einer Menge von Alternativen, dem Aktionenraum A = {a 1, a 2, a m }.
1 Grundlagen Entscheidungstheorie: Der Entscheidungsträger wählt aus einer Menge von Alternativen, dem Aktionenraum A = {a 1, a 2, a m }. Annahmen: Der Entscheidungsträger ist gezwungen, eine der betrachteten
MehrPflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
MehrHypothesentest. Ablehnungsbereich. Hypothese Annahme, unbewiesene Voraussetzung. Anzahl Kreise
Hypothesentest Ein Biologe vermutet, dass neugeborene Küken schon Körner erkennen können und dies nicht erst durch Erfahrung lernen müssen. Er möchte seine Vermutung wissenschaftlich beweisen. Der Biologe
MehrΘ Mathematik Stochastik
Θ Mathematik Stochastik Aufgabe 1: Als Spam-Nachricht wird eine unerwünschte E-Mail bezeichnet, die dem Empfänger unverlangt zugestellt wird. a) Statistische Untersuchungen an der Mailbox eines Benutzers
MehrZeitreihenökonometrie
Zeitreihenökonometrie Kapitel 8 Impuls-Antwort-Funktionen Interpretation eines VAR-Prozesses 2 Fall eines bivariaten Var(p)-Prozess mit 2 Variablen und ohne Konstante 1 1 p p 1,t α11 α 12 1,t-1 α11 α 12
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrDelegation oder Zentralisation von Entscheidungskompetenzen
Reihe: Marketing, Handel und Management Band 3 Herausgegeben von Prof. Dr. Rainer Olbrich, Hagen Dr. habil. Dirk Battenfeld Delegation oder Zentralisation von Entscheidungskompetenzen Erkenntnisfortschritte
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
Mehr