Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung
|
|
- Helmut Schmidt
- vor 6 Jahren
- Abrufe
Transkript
1 Lehrstuhl ür Statstk und emp. Wrtschatsorschung, Pro. R. T. Rphahn, Ph.D. Bachelorprüung, Praxs der emprschen Wrtschatsorschung Augabe 1: [11 Punkte] Se vermuten, dass das Nveau der Wohnungsmeten n Unverstätsstädten unter anderem vom Antel der Studerenden an den Enohnern abhängt. Ihnen legen Daten ür 64 amerkansche Unverstätsstädte vor, mt denen Se olgendes schätzen: rent = β0 + β1 pctstu + β avgnc + u rent = durchschnttlch zu zahlende Mete pro Wohnung n US-Dollars pctstu = Antel der Studerenden an den Enohnern gemessen n Prozent (0-100%) avgnc = durchschnttlches Jahresenkommen pro Enohner n 1000 US-Dollars SPSS leert Ihnen olgenden Output: ANOVA(b) Quadratsu mme d Mttel der Quadrate F Sgnkanz 1 Regresson 37890, ,199 47,389,000(a) Resduen 4347, ,345 Gesamt 6176,43 63 a Enlußvarablen : (Konstante), avgnc, pctstu b Abhängge Varable: rent Koezenten(a) Ncht standardserte Koezenten Standardsert e Koezenten Standarde B hler Beta T Sgnkanz 1 (Konstante) 78,064 39,590 1,97,053 pctstu 1,699,608,33,797,007 avgnc 1,567 1,91,811 9,734,000 a Abhängge Varable: rent a) Interpreteren Se de Größe der Koezenten von pctstu und avgnc. ( Punkte) Stegt der Studentenantel unter den Enohnern ener Unverstätsstadt um enen Prozentpunkt, so stegt de erartete Durchschnttsmete ceters parbus um crca 1,70 $. Stegt das jährlche Durchschnttsenkommen pro Enohner n ener Unverstätsstadt um 1000$, so erhöht sch de erartete Durchschnttsmete dort ceters parbus um crca 1,57 $. b) Berechnen Se das 95% Kondenzntervall ür den Koezenten von avgnc. (3 Punkte) KI = [ ˆ β ( ˆ tα /, n k 1 se β ); ˆ β ( ˆ + tα /, n k 1 se β )] KI = [ 1,567,00 1,91;1,567 +,00 1,91] = [ 9,985;15,149] 1/10
2 c) Berechnen und nterpreteren Se den R - Wert. ( Punkte) 37890,39 R = = 0, ,43 Crca 61 % der Varaton n rent rd durch das erklärt. d) We ändern sch jeels ˆ β, se( ˆ β ) und der p-wert von ˆ β, enn das durchschnttlche Jahresenkommen pro Enohner n $ statt n 1000 $ gemessen äre? Beenlusst dese Transormaton auch de Schätzgüte des s? (4 Punkte) ~ β = 1,567 :1000 = 0,01567 (1) ~ se ( β ) = 1,91:1000 = 0,00191 (1) p-wert blebt glech, da t-statstk = [ ˆ β :1000]/[ ( ˆ se β ) :1000] glech blebt. Schätzgüte rd ncht beenlusst. ( R blebt glech) Augabe : [8 Punkte] Se entschleßen sch, de abhängge Varable rent n logarthmerter Form zu verenden: log( rent ) = β + β1 pctstu + β avgnc 0 + De Schätzung leert olgende Ergebnsse: Koezenten(a) u Ncht standardserte Koezenten Standardsert e Koezenten Standarde B hler Beta T Sgnkanz 1 (Konstante) 5,339,085 63,150,000 pctstu,004,001,7 3,086,003 avgnc,04,003,776 8,806,000 a Abhängge Varable: log(rent) a) Interpreteren Se erneut de Größe der Koezenten von pctstu und avgnc. ( Punkte) Stegt der Studentenantel unter den Enohnern ener Unverstätsstadt um enen Prozentpunkt, so stegt de erartete Durchschnttsmete ceters parbus um ca. 0,4%. Stegt das jährlche Durchschnttsenkommen pro Enohner n ener Unverstätsstadt um 1000 $, so erhöht sch de erartete Durchschnttsmete dort ceters parbus um crca.,4% b) Testen Se anhand enes t-tests am 5% Sgnkanznveau, ob der Koezent von avgnc sgnkant größer Null st. Geben Se de Null- und Alternatvhypothese, de Teststatstk, den krtschen Wert der t-vertelung, de Anzahl der Frehetsgrade soe de Testentschedung an. (3 Punkte) H β 0 ; H β 0 0 : ˆ β β t = se( ˆ β ) t 0,05;64 1 = 1 : > 0,04 = = 8,00 0,003 1,671 /10
3 1,671 < 8,00 Der Koezent von avgnc st sgnkant größer Null. c) We hoch st laut desem de erartete Durchschnttsmete n ener Unverstätsstadt n der 30% der Enohner Studerende snd und das jährlche Durchschnttsenkommen pro Kop $ beträgt? (3 Punkte) Hnes: es glt ˆ σ = 0, 0 lôg( rent) = 5, , ,04 0 = 5,939 rent ˆ = exp( ˆ σ / ) exp(lôg( rent)) = 379,63 De erartete Durchschnttsmete beträgt 379,63$. Augabe 3: [13 Punkte] Se möchten untersuchen, ovon das Rauchverhalten abhängt. Dazu betrachten Se Daten zu 807 Indvduen und schätzen das : cgs = β0 + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) + u cgs = Anzahl gerauchter Zgaretten pro Tag educ = Anzahl n Ausbldung verbrachter Jahre male = 1 enn männlch, = 0 enn eblch age = Alter n Jahren age = Alter n Jahren quadrert log(ncome) = Logarthmertes Jahresenkommen n US-Dollars SPSS leert Ihnen olgenden Output: ANOVA(b) Quadratsu mme d Mttel der Quadrate 1 Regresson 6800, ,049 Resduen , ,966 Gesamt , a Enlußvarablen : (Konstante), educ, male age, age, log(ncome) b Abhängge Varable: cgs Koezenten a 1 (Konstante) educ male age age log(ncome) a. Abhängge Varable: cgs Ncht standardserte Koezenten Standardse rte Koezenten Standard B ehler Beta T Sgnkanz -5,889 6,88 -,86,389 -,516,168 -,115-3,076,00 -,161 1,455 -,004 -,111,91,78,161,970 4,855,000 -,009,00-1,048-5,0,000,730,78,038 1,00,316 3/10
4 a) Beantorten Se de olgenden Fragen. (3 Punkte) (1) Was versteht man allgemen unter rrelevanten Varablen? Ene erklärende Varable st rrelevant, enn hr Bevölkerungsparameter glech Null st. () Welche Ausrkungen haben rrelevante Varablen ür de Schätzergebnsse? De Varanz der übrgen geschätzten Parameter stegt. (3) Beurtelen Se anhand der vorlegenden Schätzergebnsse, ob male ene rrelevante Varable st. Der Parameter von male st nsgnkant. Das deutet darau hn, dass male ene rrelevante Varable st. b) Testen Se au dem 5% Sgnkanznveau, ob das von Ihnen geschätzte sgnkant st. Geben Se an, elchen Test Se durchühren, de Null- und Alternatvhypothese, de Teststatstk, den krtschen Wert soe de Testentschedung. (4 Punkte) F-Test au Gesamtsgnkanz des s H 0 : β1 = β = β 3 = β 4 = β 5 = 0 H 1 : mnd. en Koezent 0 (1P) ( SSR F = SSR F 0 =,1,05;5;801 r u SSRu ) / q (151753, ,4) / ,06 = = = 7,5 /( n k 1) ,4 / ,97 F > F krt H 0 muss au dem 5% Sgnkanznveau veroren erden. Das st statstsch sgnkant. c) Se überlegen, de Varable log(mncome) (logarthmerter Monatsverdenst n US-Dollars) zusätzlch n Ihr auzunehmen und cgs = β0 + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) + β 6 log( mncome) + u zu schätzen. De Regresson log( mncome) = β0 + β1 educ + β male + β 3 age + β 4 age + β 5 log( ncome) + u ergbt enen R6 -Wert von 0,99. Sollten Se de Varable log(mncome) n Ihr aunehmen? Begründen Se. ( Punkte) Der sehr hohe R 6 -Wert deutet au nahezu perekte Multkollneartät hn. De Varaton n log(mncome) rd benahe gänzlch durch de übrgen Regressoren erklärt. Der egene Erklärungsbetrag von log(mncome) st vernachlässgbar gerng. De Varable sollte ncht ns augenommen erden. d) Welche dre Faktoren beenlussen Var ( ˆ β 6 )? Erarten Se au Bass der n c) angegebenen Ergebnsse ene präzse Schätzung von ˆβ 6? Begründen Se kurz Ihre Antort. (4 Punkte) Sörtermvaranz; Varaton von log(mncome) n der Stchprobe; Antel der Varaton n log(mncome) de durch de anderen Regressoren erklärt erden kann; R hoch -> unpräzse Schätzung 6 4/10
5 Augabe 4: [18 Punkte] Ihr Datensatz enthält Inormatonen über NBA Basketballspeler. Se schätzen olgendes : pkt = β0 + β1 er + β er + u pkt = pro Spel durchschnttlch erzelte Punktzahl er = Lgazugehörgket n Jahren er = Lgazugehörgket n Jahren, quadrert Se erhalten olgende Ergebnsse mt SPSS: Koezenten(a) Ncht standardserte Koezenten B Standardehler T Sgnkanz 1 (Konstante) 6,79,937 6,700,000 er 1,34,39 4,077,000 er -,078,04-3,40,001 a Abhängge Varable: pkt a) Beantorten Se olgende Fragen: (8 Punkte) (1) We unterschedet sch der margnale Eekt der Lgaerahrung ür Personen mt ün und zehn Jahren Lgaerahrung? ) pkt = ˆ β1 + ˆ β er = 1,34 * 0,078*er er *5*(-0,078)=-0,78 Der margnale Eekt der Lgaerahrung st ür Speler mt 10 Jahren Lgaerahrung um 0,78 Punkte nedrger als ür Speler mt 5 Jahren. () Be elchem Wert ür de Varable er st der margnale Eekt der Lgazugehörgket Null? 0 = 1,34 0, 078 er ; er 0 = 8,6 Be ener Lgazugehörgket von 8,6 Jahren hat en eteres Jahr Erahrung kenen Eekt au de Punktzahl. (3) Be elchem Wert ür de Varable er st der margnale Eekt der Lgazugehörgket maxmal? Begründen Se Ihr Ergebns kurz. Der margnale Eekt nmmt lnear n er ab. Daher st er be er = 0 maxmal. (4) Fertgen Se ene grobe Skzze des geschätzten Zusammenhangs zschen den pro Spel erzelten Punkten (y-achse) und Erahrung (x-achse) an. Skzze enes umgekehrt U-örmgen Kurvenverlaus b) Se haben n Ihrer Regresson ncht ür das Alter kontrollert. (5 Punkte) 5/10
6 (1) Welche Bezehungen müssen zschen den varablen und der eggelassen Varable Alter bestehen, damt de Parameter Ihres s trotz Fehlen der Varable Alter mt KQ unverzerrt geschätzt erden können? Alter dar ncht mt er oder er korrelert sen (1 P) oder (ncht: und ) dar ncht mt pkt korrelert sen () We plausbel snd dese Bedngungen? Begründen Se. unplausbel, da Alter und Erahrung postv korrelert snd unplausbel, da älter erden (m Gegensatz zu mehr Erahrung sammeln) negatv mt erzelter Punktzahl korrelert sen sollte (andere plausble Erklärungen möglch) c) Welche Annahmen müssen mndestens erüllt sen, damt de Parameter ener Klenstquadrateschätzung konsstent geschätzt erden können? Geben Se ür jede der Annahmen ene kurze verbal Beschrebung. (5 Punkte) MLR.1 : das st lnear n den Parametern MLR. : de Stchprobe st zuällg gezogen MLR.3 : kene perekte Kollneartät zschen Regressoren MLR.4 : der Erartungsert des Störterms st Null und de Kovaranzen zschen dem Störterm und jedem enzelnen Regressor snd Null +1P ür das Wssen, dass genau MLR.1 MLR.4 Voraussetzung ür Konsstenz snd (d.h. ken Punkt, enn zu eng oder zu vele Annahmen augeührt erden) Augabe 5: [6 Punkte] Wahr oder alsch? Tragen Se ür jede der olgenden Aussagen en ür ahr oder en ür alsch en. Für jede rchtge Antort gbt es 0,5 Punkte, ür jede alsche Antort erden 0,5 Punkte abgezogen. De Gesamtpunktzahl kann ncht negatv erden. Das Sgnkanznveau enes Tests beschrebt de Wahrschenlchket, dass man H 0 verrt, obohl H 0 ahr st. De Ablehnungsregon enes t-tests mt der Nullhypothese H 0 : β j =0 und der Alternatvhypothese H 1 :β j >0 bendet sch n der graphschen Darstellung der t-vertelung am rechten Ende. Im log-lnearen msst 100 βˆ de prozentuale Änderung von y be Änderung von x 1 1 um ene Enhet. Wenn der margnale Eekt der abhänggen Varablen vom Wert der Ausprägung der Varablen selbst abhängt, dann urden Interaktonsterme verendet. Im multplen mplzeren de Annahmen MLR.1 MLR.5, dass der KQ-Schätzer asymptotsch normalvertelt st. Das Gauss-Markov Theorem glt nur ür klene Stchproben. Wenn βˆ egen ausgelassener erklärender Varablen verzerrt geschätzt st, st der Intervallschätzer j ene unverzerrte Alternatve. Es gbt e, de nchtlnear n den Varablen snd und glechzetg lnear n den unbekannten Parametern. Be Regressonen durch den Ursprung hat der Achsenabschnttsparameter den Wert ens. En Regressor st endogen, enn er mt dem Störterm unkorrelert st. Medanerte snd enger von Ausreßern beenlusst als Mttelerte. Da bem F-Test mehrere lneare Restrktonen getestet erden, hat der p-wert ene andere Bedeutung als bem t-test ener lnearen Restrkton. Ist en Schätzverahren konsstent, so entsprcht der geschätzte Wert be unendlch großer Stchprobe dem Bevölkerungsparameter. 6/10
7 Der p-wert entsprcht dem Sgnkanznveau enes Tests, be dem de berechnete Teststatstk dem krtschen Wert entsprcht. Der Schätzert ür de Konstante n enem Regressonsmodell st ene Realsaton ener Zuallsvarable. Be mmer größer erdenden Stchproben tendert de Varanz konsstenter Schätzer gegen Null. Je höher das R, desto höher st de Wahrschenlchket, bem F-Test au Gesamtsgnkanz enes s H 0 zu vereren. Das 95%-Kondenzntervall st breter als das 99%-Kondenzntervall. exp(x 1 +x )=exp(x 1 )+exp(x ) Das Enügen rrelevanter Regressoren n en erhöht de Varanz des Störterms. Dummy-Varablen können zur Beertung von Poltkmaßnahmen genutzt erden. De Unverzerrthet der KQ-Schätzer ür de Stegungsparameter m multplen rd durch de Annahme Var(u x 1,x,..,x k ) = 0 schergestellt. De KQ-Schätzung enes lnearen s st auch dann möglch, enn de erklärende Varable n logarthmerter Form vorlegt. Wenn X den Erartungsert von Y ncht beenlusst, snd X und Y korrelert. De Kovaranz kann nur Werte zschen -1 und +1 annehmen. Das R kann stegen, enn ene zusätzlche erklärende Varable berückschtgt rd. Für dskrete Zuallsvarablen kann kene kumulatve Vertelungsunkton berechnet erden. Das Weglassen relevanter Varablen ührt n der Regel zu ener Unterschätzung der KQ-Parameter der anderen Regressoren. Wenn de Annahme der Normalvertelung der KQ-Schätzer ncht glt, snd Kondenzntervalle unter den Annahmen MLR1-MLR5 eterhn asymptotsch nterpreterbar. Var(aX+b)=a*Var(X) De Nullhypothese bezeht sch au den unbekannten Bevölkerungsparameter, ncht au den geschätzten Wert. Benutzt man Dummy-Varablen, um de Eekte der ver Jahreszeten zu kontrolleren und berückschtgt ledglch 3 Indkatorvarablen n der spezkaton, so kann über de ncht berückschtgte Jahreszet kene Aussage getroen erden. Be Schätzung der Spezkaton y=β 0 +β 1 x+β x st der margnale Eekt von x au y ncht konstant. Je größer der berechnete t-wert, desto ahrschenlcher rd, dass de zugehörge H 0 glt. Im log-lnearen st 100 βˆ als Sem-Elastztät nterpreterbar. 1 De Nullhypothese H 0 : β 1 =β kann mt dem t-test getestet erden. Im mt logarthmerter abhängger Varable düren kene Dummy-Varablen als erklärende Varablen verendet erden. Tests zu Lnearkombnatonen von Parametern können ncht mt dem t-test durchgeührt erden. Wenn X und Y unabhängg vonenander snd, dann st E(X Y)=E(X). En Regressor st exogen, enn er mt dem Störterm unkorrelert st. Unter omtted varable bas versteht man ene Verzerrung des KQ-Schätzers, de autreten kann, enn relevante erklärende Varablen m ehlen. En ensetger t-test au dem 5% Nveau hat ene größere Ablehnungsregon als en ensetger t-test au dem 10% Nveau. De F-Vertelung kann nur postve Werte annehmen. Das Kondenzntervall um präzse geschätzte Parameter st enger als das um Parameter mt großem Standardehler. En Cho-Test kann n Form enes F-Tests durchgeührt erden. Das Gauss-Markov-Theorem macht ene Aussage zu nchtlnearen Schätzverahren. Wrd ene logarthmerte abhängge Varable umskalert, ändert sch be Schätzung des es ledglch der Achsenabschntt. 7/10
8 F- und t-test können be zesetgen Tests zum glechen Ergebns kommen. Ist de Stchprobengröße zu klen, so snd de Parameter verzerrt. Im multplen lnearen erden ür jeden Regressor separate R -Werte errechnet. De Zählerrehetsgrade des F-Tests hängen ncht von der Zahl der Beobachtungen ab. Von ze unverzerrten Schätzern ür θ (W und V) st W ezenter, enn Var(W)<Var(V). Augabe 6: [14 Punkte] Welche Antort st rchtg? Kreuzen Se nur ene Antort pro Augabe an. Falls mehrere Aussagen korrekt snd, kreuzen Se nur de entsprechende Antortkombnaton an. Für jede rchtge Antort gbt es 1 Punkt. Für alsche Antorten erden kene Punkte abgezogen. 1. De ceters parbus Annahme m multplen lnearen Regressonsmodell a kann mttels des Lagrange-Multpler Test überprüt erden. b glt ür Männer, aber ncht ür Frauen. c st ene asymptotsche Egenschat. d a und b. e a, b und c. kene der Antorten.. Unverzerrthet der Stegungsparameter m KQ-Verahren a glt als Egenschat des Schätzverahrens nur n großen Stchproben. b glt als Egenschat des Schätzverahrens auch be klener Stchprobe. c rd als nte sample property bezechnet. d glt unabhängg von der Vertelung der Störterme. e a, b und d. b, c und d. 3. Be der Ausahl von Regressoren a glt es, over-controllng zu vermeden. b spelt omtted varable bas kene Rolle. c kann es m Snne ener präzseren Schätzung snnvoll sen, ene zusätzlche Varable ns auzunehmen, de ncht mt den berückschtgten korrelert st. d a und b. e a und c. a, b und c. 4. De t-vertelung a hat ene Varanz de vom geählten Sgnkanznveau abhängt. b est ür Mttelert und Medan den glechen Wert au. c rd be nur ener zu testenden Restrkton asymmetrsch. d nähert sch mt stegender Zahl an Frehetsgraden der Normalvertelung an. e b und d. Alle Antorten snd zutreend. Be elchen der olgenden e st augrund hrer Spezkaton mndestens ene der Gauss-Markov 5. Annahmen zum lnearen Regressonsmodell verletzt? a log( y ) = β + β log( x) + log( x ) + u 0 1 β 8/10
9 b log( y ) = β 0 + β1 log( x) + β [log( x)] + u β1 c y = β + x + u 0 d y β + β x + x + u e a und c. a, b und c. = β 6. En sehr hoher p-wert be enem Test au statstsche Sgnkanz a kann au enen betraglch großen Koezenten zurückzuühren sen. b kann au ene sehr ungenaue Schätzung zurückzuühren sen. c deutet au en zu nedrges Sgnkanznveau hn. d deutet au statstsche Sgnkanz des Koezenten hn. e a und b. c und d. 7. Im x y y β x + u und be Gültgket der Annahmen MLR.1 bs MLR.5 rd β 1 mttels = 1 x a unverzerrt geschätzt, enn der Populatonsparameter der Regressonskonstante β 0 = 0. b unverzerrt geschätzt, enn der Populatonsparameter des Stegungsparameters β 1 = 0. c unverzerrt geschätzt, enn x = 0. d ezent geschätzt, enn β 0 = 0 e a, c und d. b und d. 8. Glt de Normalvertelungsannahme der Störterme ncht, a kann de asymptotsche Gültgket von t- und F-Tests selbst unter zusätzlchen Annahmen ncht aus dem zentralen Grenzertsatz abgeletet erden. b st der KQ-Schätzer nkonsstent. c st der KQ-Schätzer ncht mehr BLUE, da er an Ezenz enbüßt. d a und c. e a und b. kene der Antorten. 9. Mttels KQ vorhergesagte Werte a haben m enachen Regressonsmodell am Mttelert der Daten enen erarteten Vorhersageehler von Null. b haben de klenste Varanz, enn de abhängge Varable an hrem Mttelert betrachtet rd. c snd Zuallsvarablen. d kene der Antorten. e a und c. b und c. 10. Geht n de Spezkaton enes s ene Dummy-Varable en, a st das R ncht mehr berechenbar. b ällt de Schätzgüte des s ( R ) ncht. c berkt des ene Parallelverschebung der Regressonsgerade m Ausmaß β + β. 0 Dummy d msst dese enen Nveauuntersched ür ze Gruppen. e a, b und c. 9/10
10 b und d. 11. Wrd das log(y) = β 0 + β 1 log(x)+u geschätzt, a msst β 1 de absolute Änderung n y be Änderung von x um en Prozent. b msst β 1 de absolute Änderung n y be Änderung von x um enen Prozentpunkt. c msst β 1 de relatve Änderung n y be Änderung von x um enen Prozentpunkt. d msst β 1 de relatve Änderung n y be Änderung von x um en Prozent. e kene der Antorten. b und d. Wenn sch der Erartungsert der Störterme n ener lnearen Regresson je nach Ausprägung der 1. Regressoren unterschedet a sprcht man von Homoskedaste. b müssen de Koezenten des s als kausale Eekte nterpretert erden. c snd de geschätzten Parameter unverzerrt, solange de Störterme normalvertelt snd. d muss das mehrmals geschätzt erden. e a und d. kene der Antorten. 13. De Verendung von Interaktonstermen zschen unterschedlchen erklärenden Varablen a st zngende Voraussetzung ür de Durchührung des Cho-Tests. b st nur möglch, enn de ceters parbus Bedngung erüllt st. c ermöglcht, ür verschedene Gruppen unterschedlche Stegungsparameter zu berechnen. d st nur ür Dummy-Varablen snnvoll. e a, b und c. a und c. 14. Perekte Multkollneartät a ührt zu ener sehr genauen Schätzung der Eekte der kollnearen Regressoren. b ührt zu ener sehr ungenauen Schätzung der Eekte der kollnearen Regressoren. c trtt au, enn be ener Schätzung mt Dummy Varablen und Konstante kene Reerenzkategore geählt rd. d trtt au, enn de abhängge Varable und mndestens ener der Regressoren n en und derselben Enhet gemessen erden. e b und c. b, c und d. 10/10
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
Mehr6. 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
Mehr-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
MehrStatistische 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
Mehrnonparametrische 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
MehrP[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,
MehrNomenklatur - 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
MehrStandardnormalverteilung / 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
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
Mehrwird 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
MehrLehrstuhl 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
MehrKapitel 3: Interpretation und Vergleich von Regressionsmodellen
Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung
MehrAuswertung 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;
MehrBeim 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.
Mehr5. 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
MehrLineare 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:
MehrBeschreibende 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 )
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
MehrFORMELSAMMLUNG 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
MehrAuswertung 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;
MehrVersicherungstechnischer 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
MehrLösungen 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
MehrFallstudie 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
MehrNetzwerkstrukturen. 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.
MehrMethoden 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
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrFunktionsgleichungen 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
Mehr1 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)
MehrAufgabe 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
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrLeiten Sie die Kleinstquadrateschätzer für und β im einfachen linearen Modell aus dem
Lehrstuhl ür Statistik und emp. Wirtschatsorschung, Pro. R. T. Riphahn, Ph.D. Bachelorprüung Praxis der Empirischen Wirtschatsorschung im SS 008 Augabe : [8 Punkte] Leiten Sie die Kleinstquadrateschätzer
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007
Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrIII. Theorie des Haushalts
Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrKonkave 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
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
MehrKapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation
Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert
MehrAuswertung 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
MehrH 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,
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
MehrErgebnisse der 12. koordinierten Bevölkerungsvorausberechnung. Männer
Statstsche Berchte A I 8 (unr.) 2010 De Entcklung der Bevölkerung m Saarland 2009 bs 2060 Ergebnsse der 12. koordnerten Bevölkerungsvorausberechnung 2008 Altersaufbau der Bevölkerung m Saarland 2060 12.
MehrSchätzfehler in der linearen Regression (1) Einführung
Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler
MehrEigenschaften des OLS-Schätzers
Kaptel 3 Egenschaften des OLS-Schätzers De Mathematk st ene Art Spelzeug, welches de Natur uns zuwarf zum Troste und zur Unterhaltung n der Fnsterns. (Jean le Rond d Alembert, 1717-1783) Im letzten Kaptel
MehrPortfoliothorie (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?
MehrFür 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
MehrKreditrisikomodellierung 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
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrP(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =
Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20
MehrGeld- 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
MehrAufgabe 2. Kolloquium zur Klausurnachbesprechung Instrumente des Controlling Wintersemester 2010/11. Dr. Michael Holtrup
Aufgabe 2 Kolloquum zur Klausurnachbesprechung Instrumente des Controllng Wntersemester 2010/11 Dr. Mchael Holtrup Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 2» Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrKlausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:
Klausuren zum Üben Aufgabentyp I. Unter den Schülernnen und Schülern der Klassenstufe 5 ener Realschule bestzen 40 en Handy. Unter desen wurde ene Erhebung durchgeführt über de Anzahl von Anrufen (Merkmal
MehrFlußnetzwerke - 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
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
MehrNullstellen Suchen und Optimierung
Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!
MehrIonenselektive 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,
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
Mehr6.5. 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
MehrOrdered 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,
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
MehrÜbung 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
Mehr3.2 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
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
MehrEinführung 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
Mehr2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.
2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen
Mehr3. 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
MehrAufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft
Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut
MehrKursthemen 2. Sitzung. Tabellarische und graphische Darstellung diskreter Daten. Tabellarische und graphische Darstellung diskreter Daten
Kursthemen 2. Stzung Fole I - 2-1 Tabellarsche und graphsche Darstellung dskreter Daten Tabellarsche und graphsche Darstellung dskreter Daten A) Nomnalskalen (Fole 2 bs 7) A) Nomnalskalen (Fole 2 bs 7)
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrErtragsmanagementmodelle in serviceorientierten IT- Landschaften
Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
MehrDie Schnittstellenmatrix Autor: Jürgen P. Bläsing
QUALITY-APPs Applkatonen für das Qaltätsmanagement Prozessmanagement De Schnttstellenmatrx Ator: Jürgen P. Bläsng Schnttstellen (Übergangsstellen, Verbndngsstellen) n betreblchen Prozessen ergeben sch
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
MehrKapitel 1: Einführung in die Mikroökonometrie. 1.1 Allgemeine Bemerkungen zur Veranstaltung Ziele der Veranstaltung Mikroökonometrie
Kaptel : Enführung n de Mkroökonometre. Allgemene Bemerkungen zur Veranstaltung. Was st Mkroökonometre?. Allgemene Bemerkungen zur Veranstaltung.. Zele der Veranstaltung Mkroökonometre () Vermttlung anwendungsrelevanter
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
MehrMan unterscheidet zwischen gewichteten und ungewichteten Faktorwerten.
Faktorwerte Da es das Zel der Faktorenanalyse st, de Zahl der Kennwerte zu reduzeren (aus velen Items sollen deutlch wenger Faktoren resulteren, st es nötg, Kennwerte für de Ausprägungen der Personen n
Mehrbciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der
uen gegenwärtg d, dle zudem unte 11 'Slgugh..r solltc de Nutzutgs'rt der Innublc 1- rd d.s %~sn\,cau berückschtgt werdenu, rat,,,,,, r Sre~scl~. l)c Nutzungsnrt der Irmoble sctwchtg, wel hc Jer vcrctctc
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
Mehr9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen
9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
MehrStochastische 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)
MehrHat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?
Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung
Mehr1.1 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
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrEAU 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
MehrLineare Regression. Werner Stahel Seminar für Statistik, ETH Zürich. Mai 2008 / Sept. 2013
Lneare Regresson Werner Stahel Semnar für Statstk, ETH Zürch Ma 2008 / Sept. 2013 Unterlagen zum Tel 1 der Vorlesung / des Kurses n Angewandter Regresson 1 Enführung n de statstsche Regressonsrechnung
MehrQualitative Evaluation einer interkulturellen Trainingseinheit
Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen
MehrQuant 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
Mehr