Statistik zwischen. Jens Möhring. Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung

Größe: px
Ab Seite anzeigen:

Download "Statistik zwischen. Jens Möhring. Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung"

Transkript

1 Statistik zwischen Euphorie und Panik Jens Möhring Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung VTAD Award VTAD Frühjahrskonferenz März 29 in Frankfurt 1

2 Ausgangsüberlegungen Formeln der Finanzmathematik gehen von normalverteilten Märkten aus (Gaußsche Normalverteilung) Abb.1 Normalverteilung,14,12,1,8,6,4,2 Standardabweichung Standardabweichung Mittelwert f ( x ) 1 x 1 μ = exp σ 2π 2 σ 2 zahlreiche Veröffentlichungen und Anomalien zeigen ein anderes Marktverhalten auf Benoit Mandelbrot, Richard L. Hudson: Fraktale und Finanzen Das Chaos regiert die Börse. 2

3 Marktverhalten und statistische Auswertung Auswertung des DAX 1987(rückgerechnet) - 26 Abb.3 Kursänderungen und Gaußverteilung Anz zahl ,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% Mittelwert =,41% Standardabweichung (Stabw) =1,43% leptokurtische Verteilung! Überhöhte Wölbung; Ränder werden durch die Funktion nicht beschrieben Abb.4 Kursänderungen, halblogarithmisch Anzahl 1 1,1,1 1E-5 1E-7 1E-9 1E-11 1E-13 1E-15-12,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% 3

4 Marktverhalten und statistische Auswertung 4h Beispiel: Annahme von 3% Stabw Kursänderung von 38% WKN % gemäß Normalverteilung mit Wahrscheinlichkeit außerhalb des Erdzeitalters! Beispiel: Nutzung alternativer Verteilungsfunktionen Abb.5 Kursänderungen und Cauchy-Verteilung Anzahl f ( x ) 1 = π s 2 + s ( x t) ,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% 4

5 Lineare Indikatoren in einem rauhen Markt Der fraktale Marktwürfel von Mandelbrot Fast alle Marktindikatoren sind Anstiegsmesser (Grundprinzipien der Differentialrechnung) Glättung notwendig Lineare Mathematik Preis y x Handelspreis Uhrzeit f ( x ) = Δy Δx Beispiel: Trendbestätigungsindikator TBI GD1 TBI = GD6 5

6 Statistische Glättung Gleitende Durchschnitte (lineare, gewichtete oder exponentielle GD) liefern zeitverzögerte Signale Alternativ: Zerlegung der statistischen Verteilung Panik,14,12 1,1 Abb.6 Einteilung in Glätte und Rauheit Euphori e,8,6 Rauheit Glätte Rauheit,4, Beispiel Grenze:,8% Kursänderung:,6% Rauheit: % Glätte:,6% Grenze:,8% Kursänderung: 1,1% Rauheit:,3% Glätte:,8% 6

7 Statistische Glättung Grenze der Zerlegung g in innere Glätte und äußere Rauheit kann beliebig verschoben werden Abb.7 Geringe Glätte Hohe Rauheit und Hohe Glätte Geringe Rauheit und 7

8 Statistische Glättung Abb.1 Trennung DAX (1 x Stabw) ,8 1,6 1,4 1,2,8 1,6,4, Abb.25 Trennung DAX (,1 x Stabw) 1,2 1,8,6,4,2 Glätte Rauheit 4,5 4 3, ,5 Glätte 2 Rauheit 1,5 1,5 Summe der beiden Indikatorlinien ergibt den Basiswert absolute Skalierung der Indikatorlinien nicht relevant (hier beginnend mit 1)

9 % 8% 6% 4% 2% % Handelsergebnisse Performancevergleich Handelssystem DAX m it Glätte,1xStabw Handelssystem im Basisw ert DAX

10 Handelsergebnisse Untersuchung in anderen Märkten: - im Nasdaq führt ein Handeln über die Indikatorlinie Rauheit mit,2xstabw zu verbesserten Ergebnissen (Rauheit zeigt übertriebenes Änderungsvermögen) g - im Gold führt ein Handeln über die Indikatorlinie Glätte mit,1xstabw zu verbesserten Ergebnissen Untersuchung mit variabler Grenze der Stabw (d.h. Berechnung über einen begrenzten Zeitraum): - keine Verbesserung festgestellt - Schlussfolgerung: jeder Markt für sich hat längerfristig unveränderbare Eigenschaften an Glätte und Rauheit 1

11 Aktualisierte Anwendung Vergleich Handel im Basiswert und über Indikatorlinie 25% 2% 15% 1% 5% DAX Ausbildung einer Differenz in der letzten Aufschwung- phase % 2% 15% 1% 5% Gold 2-29 Ausbildung einer Differenz in der Rohstoff-Hausse

12 Aktualisierte Anwendung Vergleich Handel im Basiswert und über Indikatorlinie 4% 35% 3% 25% 2% 15% 1% 5% Nasdaq Crashmärkte nur geringe Differenzbildung aber 4% 35% 3% 25% 2% 15% 1% 5% Nasdaq Differenzbildung in der Aufschwungphase

13 Zusammenfassung Mathematische Beschreibungen des Marktverhaltens verbesserungswürdig. Alternative Glättungsverfahren zu gleitenden Durchschnitten möglich, z.b. statistische Glättung. Statistische Glättung kann zur Erzeugung von Indikatorlinien dienen: Parameter: - Berechnungsdauer der Stabw - Trennschwelle zwischen Glätte Glätte und Rauheit - Nutzung der Glätte oder Rauheit möglich Eine feste Trennschwelle e e bestätigt langfristiges ges Marktverhalten. a te Anwendung verschiedener Indikatoren auf die statistische Glättung möglich. Ergänzung durch andere Indikatoren empfehlenswert; z.b. Anzeigen der übergeordneten Trendrichtung zur Optimierung einer Handelssystematik 13

Statistik. zwischen. Euphorie und Panik

Statistik. zwischen. Euphorie und Panik Statistik zwischen Euphorie und Panik Inhaltsverzeichnis.. Einleitung...3. Darstellung zufallsverteilter Größen mittels Normal- oder Gauß-Verteilung.. 3 3. Statistische Betrachtung des DAX 4 4. Zerlegung

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler 6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung

Mehr

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel VII. Einige spezielle stetige Verteilungen Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,

Mehr

Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist

Mehr

Übungen mit dem Applet

Übungen mit dem Applet Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Übungen mit dem Applet Zentraler Grenzwertsatz

Übungen mit dem Applet Zentraler Grenzwertsatz Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3

Mehr

Mathematische und statistische Methoden II

Mathematische 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

Mehr

5. Spezielle stetige Verteilungen

5. 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

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

70 Wichtige kontinuierliche Verteilungen

70 Wichtige kontinuierliche Verteilungen 70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche

Mehr

4L Die Normalverteilung

4L Die Normalverteilung L. Normalverteilung L Die Normalverteilung Zufallsverteilungen lassen sich in der Natur gut beobachten, denn die Natur setzt bei ihrer Fortpflanzungsstrategie auf den totalen Überfluss. So ergab zum Beispiel

Mehr

Wiederholung der Hauptklausur STATISTIK

Wiederholung der Hauptklausur STATISTIK Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen

Mehr

Wahrscheinlichkeit und Statistik: Zusammenfassung

Wahrscheinlichkeit und Statistik: Zusammenfassung HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1

Mehr

5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar

5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar 5. Meßfehler Man unterscheidet... zufällige Meßfehler systematische Meßfehler Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar

Mehr

Wolf-Gert Matthäus. Lösungen für die Statistik mit Excel 97

Wolf-Gert Matthäus. Lösungen für die Statistik mit Excel 97 Wolf-Gert Matthäus Lösungen für die Statistik mit Excel 97 Vorwort 9 Einleitung 11 1 Excel 97 - Zusammenstellung einiger Möglichkeiten 13 1.1 Begriffe und Bedienung 13 1.2 Niveaustufen der Arbeit mit Excel

Mehr

1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...

1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente... Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test

Mehr

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann 4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)

Mehr

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit

Mehr

Einführung in die computergestützte Datenanalyse

Einführung in die computergestützte Datenanalyse Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL

Mehr

Die Varianz (Streuung) Definition

Die Varianz (Streuung) Definition Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ

Mehr

Market Analysis by Moving Averages

Market Analysis by Moving Averages M.A.M.A. hat den Überblick: Sekundärtrendanalyse Market Analysis by Moving Averages Lieber mit einem mittelmäßigen Fonds in einem steigenden Markt als mit einem guten Fonds in einem fallenden Markt. Seit

Mehr

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar Statistische Methoden in der Physik Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen

Mehr

Einführung in die Maximum Likelihood Methodik

Einführung 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

Mehr

Softwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen

Softwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten

Mehr

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Wahrscheinlichkeitsrechnung, Verteilungen) 1. Eine Illustrierte veranstaltet wöchentlich ein Ratespiel,

Mehr

Statistik-Klausur vom

Statistik-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

Mehr

6.6 Poisson-Verteilung

6.6 Poisson-Verteilung 6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt

Mehr

K8 Stetige Zufallsvariablen Theorie und Praxis

K8 Stetige Zufallsvariablen Theorie und Praxis K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R

Mehr

INGENIEUR-STATISTIK DR. JOSEF HEINHOLD DR. KARL-WALTER GAEDE R. OLDENBOURG VERLAG MÜNCHEN WIEN 1979

INGENIEUR-STATISTIK DR. JOSEF HEINHOLD DR. KARL-WALTER GAEDE R. OLDENBOURG VERLAG MÜNCHEN WIEN 1979 INGENIEUR-STATISTIK DR. JOSEF HEINHOLD o. Professor für Angewandte Mathematik und Mathematische Statistik an der Technischen Universität München DR. KARL-WALTER GAEDE o. Professor für Mathematische Statistik

Mehr

Anleitung: Standardabweichung

Anleitung: Standardabweichung Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk

Mehr

Heidrun Matthäus Wolf-Gert Matthäus. Ergänzungen für Vertiefung und Training

Heidrun Matthäus Wolf-Gert Matthäus. Ergänzungen für Vertiefung und Training Heidrun Matthäus Wolf-Gert Matthäus Mathematik für BWL-Bachelor: Übungsbuch Ergänzungen für Vertiefung und Training 3., erweiterte Auflage ö Springer Gabler Inhaltsverzeichnis Teil I: Mathematik ohne Anwendungsbezüge

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

Grundkompetenzkatalog. Mathematik

Grundkompetenzkatalog. Mathematik Grundkompetenzkatalog Mathematik AG - Algebra und Geometrie AG 1.1 AG 1.2 AG 2.1 AG 2.2 AG 2.3 AG 2.4 AG 2.5 AG 3.1 AG 3.2 AG 3.3 Wissen über Zahlenmengen N, Z, Q, R, C verständig einsetzen Wissen über

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal

Mehr

Der Zentrale Grenzwertsatz

Der Zentrale Grenzwertsatz QUALITY-APPS Applikationen für das Qualitätsmanagement Der Zentrale Grenzwertsatz Autor: Dr. Konrad Reuter Für ein Folge unabhängiger Zufallsvariablen mit derselben Verteilung und endlichem Erwartungswert

Mehr

Mit welchen Verteilungen lassen sich Lebensdauern modellieren?

Mit welchen Verteilungen lassen sich Lebensdauern modellieren? 5. Übung Aufgabe 1 Ein Prozess zur Herstellung von Flachglas im Durchschnitt 1 Verunreinigung je 5 dm 2 Glasfläche. Welche Verteilung weist die Zahl der Verunreinigungen auf einer 0,5m x 1,0 m großen Fensterscheibe

Mehr

Applikationen für das Qualitätsmanagement

Applikationen für das Qualitätsmanagement QUALITY-APPS Applikationen für das Qualitätsmanagement Die Normalverteilung Autor: Dr. Konrad Reuter Die Normalverteilung oder auch "GAUSS-Verteilung" nimmt eine zentrale Stellung in der praxisbezogenen

Mehr

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,

Mehr

Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017

Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum

Mehr

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19 Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau

Mehr

1 Prognoseverfahren F H

1 Prognoseverfahren F H 1 Prognoseverfahren 1.1 Zielsetzung 1.2 Bedarfsverlauf von Verbrauchsfaktoren 1.3 Prognose bei regelmäßigen Bedarf 1.4 Prognosemodelle in Standard-ERP-Software 1.5 Ausblick Herrmann, Frank: Operative Planung

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt

Mehr

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII

Mehr

Vorwort Abbildungsverzeichnis Teil I Mathematik 1

Vorwort Abbildungsverzeichnis Teil I Mathematik 1 Inhaltsverzeichnis Vorwort Abbildungsverzeichnis V XIII Teil I Mathematik 1 1 Elementare Grundlagen 3 1.1 Grundzüge der Mengenlehre... 3 1.1.1 Darstellungsmöglichkeiten von Mengen... 4 1.1.2 Mengenverknüpfungen...

Mehr

Teil I: Mathematik ohne Anwendungsbezüge

Teil I: Mathematik ohne Anwendungsbezüge Inhaltsverzeichnis 1 Teil I: Mathematik ohne Anwendungsbezüge 1 Elementares Handwerkszeug 1.1 Vorrangregeln und Klammersetzung... 21 1.1.1 Beispiele dafür, wie es richtig gemacht wird... 21 1.1.2 Aufgaben...

Mehr

Linearer und quadratischer Mittelwert

Linearer und quadratischer Mittelwert Linearer und quadratischer ittelwert Erwartungswerte (auch Schar- oder Ensemblemittelwerte) betrachtet wird zunächst eine große Anzahl von Zufallssignalen; dabei ist x k (t) die k-te von insgesamt Realisierungen

Mehr

MATHEMATIK 3 STUNDEN

MATHEMATIK 3 STUNDEN EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15: Türcode: 1516

Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15: Türcode: 1516 Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15:45 3067 Türcode: 1516 Deskriptive Statistik Maße der Zentraltendenz Deskriptive Statistik Maße der Zentraltendenz arithmetischer Mittewert klassenorientierter

Mehr

S. Maier-Paape: Regelbasierter langfristiger Trendhandel 1. Frankfurter Quant-Konferenz,

S. Maier-Paape: Regelbasierter langfristiger Trendhandel 1. Frankfurter Quant-Konferenz, S. Maier-Paape: Regelbasierter langfristiger Trendhandel 1. Frankfurter Quant-Konferenz, 09.05.2016 Kontakt: Regelbasierter langfristiger Trendhandel Eine statistische Analyse von Univ.-Prof. Dr. Stanislaus

Mehr

Stetige Standardverteilungen

Stetige Standardverteilungen Universität Basel Wirtschaftswissenschaftliches Zentrum Stetige Standardverteilungen Dr. Thomas Zehrt Inhalt: 1. Die stetige Gleichverteilung 2. Die Normalverteilung (a) Einstimmung (b) Standardisierung

Mehr

1 Einleitung... 1 Literatur... 2

1 Einleitung... 1 Literatur... 2 Inhaltsverzeichnis 1 Einleitung... 1 Literatur... 2 Teil I Finanzmathematik als Teil einer Fachwissenschaft 2 Zinsrechnung... 5 2.1 Was sind Zinsen?... 5 2.2 Sparmodelle... 7 2.3 Lineare bzw. einfache

Mehr

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme Binomialverteilung Wahrscheinlichkeitsfunktion Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

Mehr

Kapitel XI - Operationscharakteristik und Gütefunktion

Kapitel XI - Operationscharakteristik und Gütefunktion Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo

Mehr

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel

Mehr

Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern

Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,

Mehr

8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik

8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik

Mehr

Zur Berechnung der Wertziffern bei Teamturnieren

Zur Berechnung der Wertziffern bei Teamturnieren Zur Berechnung der Wertziffern bei Teamturnieren Wolfhart Umlauft und Michael Stieglitz 30. März 2009 1 Das Problem Die in der Rangliste für Teamturniere angegebenen Zahlen sind sog. Wertziffern. Sie spiegeln

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und

Mehr

Muster für einen Studienbericht (in Auszügen) im Fach Mathematik LK

Muster für einen Studienbericht (in Auszügen) im Fach Mathematik LK Muster für einen Studienbericht (in Auszügen) im Fach Mathematik LK Name: Zur Vorbereitung verwendetes Hilfsmittel GTR (Modell und Typbezeichnung sind vom Bewerber anzugeben. ) (Modell und Typ sind mit

Mehr

5 Erwartungswerte, Varianzen und Kovarianzen

5 Erwartungswerte, Varianzen und Kovarianzen 47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,

Mehr

Grundlagen der Mathematik II (LVA U)

Grundlagen 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

Mehr

Auswertung von Messungen Teil II

Auswertung von Messungen Teil II Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung

Mehr

7.5 Erwartungswert, Varianz

7.5 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

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik 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

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc. Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment

Mehr

Unabhängige Zufallsvariablen

Unabhängige Zufallsvariablen Kapitel 9 Unabhängige Zufallsvariablen Die Unabhängigkeit von Zufallsvariablen wird auf die Unabhängigkeit von Ereignissen zurückgeführt. Im Folgenden sei Ω, A, P ) ein Wahrscheinlichkeitsraum. Definition

Mehr

Erläuterung des Vermögensplaners Stand: 3. Juni 2016

Erläuterung des Vermögensplaners Stand: 3. Juni 2016 Erläuterung des Vermögensplaners 1 Allgemeines 1.1. Der Vermögensplaner stellt die mögliche Verteilung der Wertentwicklungen des Anlagebetrags dar. Diese verschiedenen Werte bilden im Rahmen einer bildlichen

Mehr

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5 Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur 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

Mehr

Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler

Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Vereinfachte Messunsicherheit im Labor

Vereinfachte Messunsicherheit im Labor esz AG - Praxis Vereinfachte im Labor Inhalt praxisgerecht und vereinfacht im Labor Mathematik vom Schreibtisch ins Labor Ursachen für Berechnung theoretisch praktisch Angabe der in Kalibrierscheinen und

Mehr

Korrektur, Änderungen sowie Ergänzungen zu den Vorlesungsskripten: Statistik-I SS-2015

Korrektur, Änderungen sowie Ergänzungen zu den Vorlesungsskripten: Statistik-I SS-2015 Korrektur, Änderungen sowie Ergänzungen zu den Vorlesungsskripten: Statistik-I SS-05!"!## x 8 0 8 0 8 0 0, 0, 3 0 0, 05 $ $ % 3, 75 $ Geben Sie für das vorige Beispiel. (Bsp. ) die Anteile der jeweiligen

Mehr

1 Einleitung und Grundlagen 1

1 Einleitung und Grundlagen 1 Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige

Mehr

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ), 2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen

Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung

Mehr

Angewandte Statistik 3. Semester

Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Grundlagen der Statistik I

Grundlagen der Statistik I NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

3 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

Mehr

OLS-Schätzung: asymptotische Eigenschaften

OLS-Schätzung: asymptotische Eigenschaften OLS-Schätzung: asymptotische Eigenschaften Stichwörter: Konvergenz in Wahrscheinlichkeit Konvergenz in Verteilung Konsistenz asymptotische Verteilungen nicht-normalverteilte Störgrößen zufällige Regressoren

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.

Mehr