Statistische Analyse mittels Softwarefehler-Datenbanken unter Berücksichtigung von fehlenden Werten

Größe: px
Ab Seite anzeigen:

Download "Statistische Analyse mittels Softwarefehler-Datenbanken unter Berücksichtigung von fehlenden Werten"

Transkript

1 Statistische Analyse mittels Softwarefehler-Datenbanken unter Berücksichtigung von fehlenden Werten Inaugural-Dissertation zur Erlangung des akademischen Grades eines Doktors der Wirtschafts- und Sozialwissenschaften (Dr. rer. pol.) der Friedrich-Alexander-Universität Erlangen-Nürnberg vorgelegt von Dipl.-Math. oec. Andreas Wittmann aus Pfaffenhofen a. d. Ilm

2 Erstreferent: PD Dr. Michael Grottke Zweitreferent: Prof. Dr. Ingo Klein letzte Prüfung:

3 Danksagung An dieser Stelle möchte ich mich bei allen Personen bedanken, die für das Gelingen der vorliegenden Arbeit auf direkte und indirekte Weise beigetragen haben. Zuallererst bedanke ich mich bei meinem Doktorvater, PD Dr. Michael Grottke, für die ausgezeichnete und langjährige Betreuung und die hilfreichen Diskussionen, die einen entscheidenden Beitrag zum erfolgreichen Abschluss der Arbeit geleistet haben. Mein herzlicher Dank gilt Herrn Professor Dr. Ingo Klein für die Übernahme des Zweitgutachtens. Insbesondere durch die Teilnahme am statistischen Seminar wurde mir die Gelegenheit geboten, verschiedene Aspekte der Arbeit vorstellen und diskutieren zu können. Ferner möchte ich mich bei Herrn Dr. Florian Koller- Meinfelder für die wertvollen Ratschläge im Bezug auf die Durchführung der Simulationsstudie zur Analyse der Regressionsparameter danken. Ich bedanke mich bei Herrn Rolf Dettweiler, Abteilungsleiter Applikationsentwicklung der msggillardon AG, der mir die Freiheit gab, diese Arbeit anfertigen zu können. Darüber hinaus bedanke ich mich bei meinen Kollegen vom MARZIPAN/M-Team, wobei ich insbesondere den Korrekturlesern Harald Kalinke und Jürgen Minhoff für die hilfreichen Ratschläge grammatikalischer und stilistischer Art danken möchte. Ich bedanke mich bei meinen Eltern und Schwiegereltern für die immerwährende Unterstützung im Laufe der Jahre. Mein größter Dank gilt meiner Frau Annika und unseren Kindern Maximilian und Helena für den seelischen und moralischen Beistand. Ihr ward und seid meine größte Motivation. Andreas Thomas Wittmann Pfaffenhofen a. d. Ilm, April 2014

4

5 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Notation ix xi xvii 1 Einleitung 1 2 Analyse des Ticket-Bearbeitungsprozesses Einleitung Allgemeine Darstellung Theoretische und empirische Ausgangslage Forschungsrahmen Ticket-Eigenschaften Anzahl der Anhänge Verständlichkeit Komponente Länge der Fehlerbeschreibung Reputation des Erstellers Ticket-Änderungen Vorgehensmodell Kontrollvariablen Last Release-Alter Release-Größe Release-Komplexität Systemtyp Team-Erfahrung Methoden, Analyse und Ergebnisse Datenbeschreibung Operationalisierung zu Variablen

6 vi Inhaltsverzeichnis Abhängige Variablen Unabhängige Variablen Kontrollvariablen Konstante, unbeobachtete oder mit anderen Variablen hoch korrelierte Einflussgrößen Deskriptive Analyse der Bearbeitungszeiten Deskriptive Analyse der Anzahl der Entwickler, Tester und Wiedereröffnungen Zeitliche Veränderung von Fehlertickets Veränderung der Ticketbeschreibung im Zeitverlauf Veränderung der Priorität im Zeitverlauf Modelle Modellierung der Bearbeitungszeiten Modellierung der Anzahl der Entwickler, Tester und Wiedereröffnungen Empirische Analyse Box-Cox-Transformation der Bearbeitungszeiten Entfernung von einflussreichen Beobachtungen Überprüfung der Annahme der Normalverteilung der Residuen Überprüfung der Homoskedastizitätsannahme Überprüfung der Homogenitätshypothese Unabhängigkeit der Beobachtungen Überprüfung von Missspezifikation Untersuchung hinsichtlich Multikollinearität Überprüfung auf Überdispersion Ergebnisse Diskussion Bewertung der Validität Konstruktvalidität Interne Validität Externe Validität Zuverlässigkeit Zusammenfassung Grundlagen fehlender Werte Einleitung Fehlend-Mechanismen Missing Completely at Random Missing at Random Missing Not at Random

7 Inhaltsverzeichnis vii 3.3 Verschiedenheit und Ignorierbarkeit Fehlend-Muster Fehlend-Techniken Listenweiser Fallausschluss Mittelwert- und Modusergänzung Ergänzung durch verkettete Anwendung von Support-Vektor-Maschinen Support-Vektor-Klassifikation One-Against-One-Ansatz Support-Vektor-Regression Algorithmus zur Ergänzung von fehlenden Werten Mehrfache Ergänzung Verkettete Regression Datenvermehrungsverfahren Kombination der Ergebnisse Simulationsstudie Einleitung Simulation von fehlenden Werten Berechnung des Fehlend-Anteils Fehlend-Muster-basierter Ansatz Löschen von Werten nach dem MCAR-Fehlend-Mechanismus Löschen von Werten nach dem MAR-Fehlend-Mechanismus Löschen von Werten nach dem MNAR-Fehlend-Mechanismus Fehlend-Anteil-basierter Ansatz Löschen von Werten nach dem MCAR-Fehlend-Mechanismus Löschen von Werten nach dem MAR-Fehlend-Mechanismus Löschen von Werten nach dem MNAR-Fehlend-Mechanismus Simulationsaufbau Datensatz Anteil an fehlenden Werten Update der Zeilen aus der Fehlend-Muster-Häufigkeitsmatrix Gütemaße Analyse der Regressionsparameter Prognose von Entwicklungszeiten Durchführung der Ergänzungen Verwandte Arbeiten Ergebnisse Analyse der Regressionsparameter Prognose von Entwicklungszeiten Zusätzliche Simulationsstudie

8 viii Inhaltsverzeichnis Deskriptive Analyse der simulierten Datensätze Zusammenfassung Anwendung auf reale Daten aus einer Fehlerdatenbank Einleitung Berücksichtigung von zensierten Entwicklungszeiten Ergebnisse Zusammenfassung und Ausblick 187 A Dokumentation der beiligenden CD-ROM 191 B Tabellen 193 B.1 Simulationsstudie zur Analyse der Regressionsparameter B.2 Deskriptive Analyse der simulierten Datensätze Literaturverzeichnis 237

9 Abbildungsverzeichnis 2.1 Schritte im Ticket-Bearbeitungsprozess der Fehlerdatenbank Abstrakte Grundstruktur zur Modellierung des Ticket-Bearbeitungsprozesses Ermittlung des Scrum-Datums anhand des Scrum-Einführungsdatums und des Median der internen Prozesszeiten Geschätzte Überlebenswahrscheinlichkeiten unter Verwendung der Prozesszeiten PROZ (obere Reihe) und der Prozesszeiten PROZ (untere Reihe) Fallunterscheidung zur Berechnung der Überdeckungstage Berechnung der Last unter Verwendung der Überdeckungstage für ein abgeschlossenes und für ein offenes Fehlerticket Lastberechnung unter Verwendung der Methoden 1 bis Erstellte, geschlossene und offene Fehlertickets pro Tag Lastberechnung in Abhängigkeit vom Bearbeitungsstatus der Fehlertickets und vom Fehlend-Status der unabhängigen Variablen Prozesszeiten und Lastberechnung zu Beispiel Fehlend-Muster Klassifikationsproblem mit optimaler Hyperebene und Rand [131, S. 12] Aufbau der Fehlend-Muster-Häufigkeitsmatrix H Fehlend-Muster zur Indikatormatrix R sim und zugehörige Indizes in der Fehlend- Muster-Teilmatrix H F Boxplots der Simulationsergebnisse für die Analyse der Regressionsparameter: Über alle Regressionsparameter gemittelter mittlerer quadratischer Fehler Boxplots der Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend-Muster-basierten-Ansatz: Über alle Regressionsparameter gemittelter mittlerer quadratischer Fehler mit Unterscheidung in Fehlend-Anteile und -Mechanismen

10 x Abbildungsverzeichnis 4.5 Boxplots der Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend-Anteil-basierten-Ansatz: Über alle Regressionsparameter gemittelter mittlerer quadratischer Fehler mit Unterscheidung in Fehlend-Anteile und -Mechanismen Boxplots der Simulationsergebnisse zur Prognose der Entwicklungszeiten: Mittlerer quadratischer Fehler Boxplots der Simulationsergebnisse zur Prognose der Entwicklungszeiten zum Fehlend-Muster-basierten-Ansatz: Mittlerer quadratischer Fehler mit Unterscheidung in Fehlend-Anteile und -Mechanismen Boxplots der Simulationsergebnisse zur Prognose der Entwicklungszeiten zum Fehlend-Anteil-basierten-Ansatz: Mittlerer quadratischer Fehler mit Unterscheidung in Fehlend-Anteile und -Mechanismen Streudiagramme einer Substichprobe zu Modell (4.18) Streudiagramme einer Substichprobe zu Modell (4.19)

11 Tabellenverzeichnis 2.1 Vier Fehlertickets und berechnete Kenngrößen zu Algorithmus Anzahl der erstellten, geschlossenen und offenen Fehlertickets in Bezug auf Tabelle Zehn Fehlertickets und berechnete Kenngrößen zu Algorithmus Deskriptive Statistik der Entwicklungszeiten: Minimum (min), Mittelwert (m), Median (med), Standardabweichung (sd) und Maximum (max) der Entwicklungszeit Deskriptive Statistik der Testzeiten: Minimum (min), Mittelwert (m), Median (med), Standardabweichung (sd) und Maximum (max) der Testzeit Anzahl der Entwickler, Tester und Wiedereröffnungen: Anzahl und Anteil der Fehlertickets Variablen, deren Änderungen im Bearbeitungsprotkoll eines Fehlertickets dokumentiert sind Anzahl der Prioritätsänderungen: Anzahl und Anteil der Fehlertickets Prozesszeiten (PROZ), Zeitdauer bis zur ersten, zweiten und dritten Prioritätsänderung (CPRI1, CPRI2 und CPRI3) und deren Anteil an der Prozesszeit (jeweils als Mittelwert) Ergebnisse des Jarque-Bera-Tests Ergebnisse des Breusch-Pagan-Tests Ergebnisse des RESET-Tests Wertebereich des Varianz-Inflations-Faktors GVIF adj Test auf Überdispersion Ergebnisse der Kleinste-Quadrate-Regression für die abhängigen Variablen ETWZ, QSTZ und PRIN Ergebnisse der Poisson-, Negativ-Binomial-, Zero-Inflated-Poisson- und Zero- Inflated-Negativ-Binomial-Regression für die abhängige Variable NETWN Ergebnisse der Poisson-, Negativ-Binomial-, Zero-Inflated-Poisson- und Zero- Inflated-Negativ-Binomial-Regression für die abhängige Variable NQSTN Ergebnisse der logistischen Regression für die abhängige Variable REOP... 71

12 xii Tabellenverzeichnis 4.1 Auflistung der Variablen aus der Datenmatrix Z mit Beschreibung und Fehlend- Anteil Ergebnisse der logistischen Regressionen unter Verwendung des Fehlend-Status der Variable REAL als abhängige Variable Simulationsergebnisse für die Analyse der Regressionsparameter bei 20% Fehlend-Anteil (Sortierung der Fehlend-Techniken je Fehlend-Mechanismus anhand des mittleren Rangs): Über alle Regressionsparameter gemittelte Gütemaße Simulationsergebnisse für die Prognose der Entwicklungszeiten zum Fehlend- Muster-basierten Ansatz. Prognoseergebnisse: Mittelwert (m), Median (med) und Standardabweichung (sd) des mittleren quadratischen Fehlers Simulationsergebnisse für die Prognose der Entwicklungszeiten zum Fehlend- Anteil-basierten Ansatz. Prognoseergebnisse: Mittelwert (m), Median (med) und Standardabweichung (sd) des mittleren quadratischen Fehlers Ergebnisse der Kleinste-Quadrate-Regression zu den Modellen (4.18) und (4.19) Simulationsergebnisse zur zusätzlichen Simulationsstudie zur Analyse der Regressionsparameter zu den Modellen (4.18) und (4.19): Über alle Regressionsparameter gemittelte Gütemaße Simulationsergebnisse zur zusätzlichen Simulationsstudie zur Analyse der Regressionsparameter zu den Modellen (4.18) und (4.19): Gemittelte Gütemaße je Parameter Gemittelte relative Häufigkeitsverteilung der fehlenden Werte aus den Kategorien zur Variable FUNU Gemittelte bivariate relative Häufigkeitsverteilung der fehlenden Werte aus den Kategorien der Variable FUNU unterteilt in Intervalle der Donor-MAR-Variable LBES zum MAR-Fehlend-Mechanismus Gemittelte relative Häufigkeitsverteilung der fehlenden Werte aus den Intervallen zur Variable REAL Gemittelte bivariate relative Häufigkeitsverteilung der fehlenden Werte aus den Intervallen der Variable REAL unterteilt in Intervalle der Donor-MAR-Variable LBES zum MAR-Fehlend-Mechanismus Gemittelte relative Häufigkeitsverteilung der Fehlend-Muster zum Fehlend-Anteil-basierten Ansatz bezüglich der Existenz in der Fehlend-Muster-Häufigkeitsmatrix H Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Muster-basierten Ansatz bei 20% Fehlend-Anteil.. 174

13 Tabellenverzeichnis xiii 4.15 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Anteil-basierten Ansatz bei 20% Fehlend-Anteil Ergebnisse der Kleinste-Quadrate-Regression zu Modell (2.4) und der Maximum- Likelihood-Schätzung unter Berücksichtigung von Zensierung bei der Ergänzung durch MS, SVM, MICE und DA Auflistung der qualitativen Variablen aus der Datenmatrix Z mit Beschreibung und relativer Häufigkeit je Kategorie B.1 Simulationsergebnisse für die Analyse der Regressionsparameter bei 10% Fehlend-Anteil (Sortierung der Fehlend-Techniken je Fehlend-Mechanismus anhand des mittleren Rangs): Über alle Regressionsparameter gemittelte Gütemaße B.2 Simulationsergebnisse für die Analyse der Regressionsparameter bei 30% Fehlend-Anteil (Sortierung der Fehlend-Techniken je Fehlend-Mechanismus anhand des mittleren Rangs): Über alle Regressionsparameter gemittelte Gütemaße B.3 Simulationsergebnisse für die Analyse der Regressionsparameter bei 40% Fehlend-Anteil (Sortierung der Fehlend-Techniken je Fehlend-Mechanismus anhand des mittleren Rangs): Über alle Regressionsparameter gemittelte Gütemaße B.4 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für den Achsenabschnitt B.5 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable COLI B.6 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.7 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.8 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.9 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.10 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable LBES B.11 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable REPU B.12 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable NPRI B.13 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable VOMO Kategorie Scrum 206

14 xiv Tabellenverzeichnis B.14 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable LAST B.15 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable REAL B.16 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable SYTY Kategorie Produktion B.17 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Muster-basierten Ansatz: Gütemaße für die Kovariable TEER B.18 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für den Achsenabschnitt B.19 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable COLI B.20 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.21 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.22 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.23 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable FUNU Kategorie K B.24 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable LBES B.25 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable REPU B.26 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable NPRI B.27 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable VOMO Kategorie Scrum 220 B.28 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable LAST B.29 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable REAL B.30 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable SYTY Kategorie Produktion B.31 Simulationsergebnisse für die Analyse der Regressionsparameter zum Fehlend- Anteil-basierten Ansatz: Gütemaße für die Kovariable TEER B.32 Gemittelte relative Häufigkeitsverteilung der fehlenden Werte aus den Intervallen zur Variable COLI

15 Tabellenverzeichnis xv B.33 Gemittelte relative Häufigkeitsverteilung der fehlenden Werte aus den Kategorien zur Variable SYTY B.34 Gemittelte bivariate relative Häufigkeitsverteilung der fehlenden Werte aus den Intervallen der Variable COLI unterteilt in Intervalle der Donor-MAR-Variable LBES zum MAR-Fehlend-Mechanismus B.35 Gemittelte bivariate relative Häufigkeitsverteilung der fehlenden Werte aus den Kategorien der Variable SYTY unterteilt in Intervalle der Donor-MAR-Variable LBES zum MAR-Fehlend-Mechanismus B.36 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Muster-basierten Ansatz bei 10% Fehlend-Anteil B.37 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Muster-basierten Ansatz bei 30% Fehlend-Anteil B.38 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Muster-basierten Ansatz bei 40% Fehlend-Anteil B.39 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Anteil-basierten Ansatz bei 10% Fehlend-Anteil B.40 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Anteil-basierten Ansatz bei 30% Fehlend-Anteil B.41 Relative Häufigkeitsverteilung der Fehlend-Muster in der Fehlend-Muster-Häufigkeitsmatrix H und gemittelte relative Häufigkeitsverteilung der Fehlend-Muster in den simulierten Datensätzen mit den Fehlend-Mechanismen MCAR, MAR und MNAR zum Fehlend-Anteil-basierten Ansatz bei 40% Fehlend-Anteil

16

17 Notation Abkürzungen DA Mehrfache Ergänzung durch Datenvermehrungsverfahren 98 LD Listenweiser Fallausschluss 83 MAR Missing at Random 77 MCAR Missing Completely at Random 77 MICE Mehrfachen Ergänzung durch verkettete Regression 93 MNAR Missing Not at Random 78 MS Mittelwert- und Modusergänzung 83 NB Negativ-Binomial-Modell 53 SVM Ergänzung durch verkettete Anwendung von Support-Vektor- 84 Maschinen ZINB Zero-Inflated-Negativ-Binomial-Modell 57 ZIP Zero-Inflated-Poisson-Modell 54 Funktionen und Zufallsvariablen Be(p) Bernoulli-Verteilung mit dem Parameter p 114 χ 2 (n) χ 2 -Verteilung mit n Freiheitsgraden 96 E(X) Erwartungswert der Zufallsvariable X 52

18 xviii Notation F(t) Verteilungsfunktion 24 f (t) Wahrscheinlichkeits- bzw. Dichtefunktion 24 S(t) Überlebensfunktion 24 F(n,m) F-Verteilung mit n Zähler- und m Nenner-Freiheitsgraden 108 F n,m,α α-quantil zur F-Verteilung mit n Zähler- und m Nenner- Freiheitsgraden 108 I A (x) Indikatorfunktion für x A 30 L Likelihood-Funktion 52 ln(x) Natürlicher Logarithmus von x 49 Multinom(n, p) Multinomialverteilung mit dem Parameter n und dem Parametervektor p 100 N(µ,σ 2 ) Normalverteilung mit Erwartungswert µ und Varianz σ 2 49 P(A) Wahrscheinlichkeit für das Ereignis A 24 P(A B) Bedingte Wahrscheinlichkeit für das Ereignis A gegeben das Ereignis 51 B t n,α α-quantil zur t-verteilung mit n Freiheitsgraden 107 Var(X) Varianz der Zufallsvariable X 52 Sonstige Bezeichnungen AIC Informationskriterium von Akaike 59 γ 0 Vorgegebener Anteil an fehlenden Werten 110 γ Anteil an fehlenden Werten 110 BIC Bayesianisches Informationskriterium 59 Ende eines Algorithmus 26 I n Einheitsmatrix der Dimension n n 60 Endedatum i Endedatum des i-ten Fehlertickets ausgehend von der zensierten Prozesszeit PROZ i 26

19 Notation xix Erstelldatum i Erstelldatum des i-ten Fehlertickets 25 ETWZ i Entwicklungszeit des i-ten Fehlertickets 49 H Fehlend-Muster-Häufigkeitsmatrix 111 H F Teilmatrix aus H 111 n beob Anzahl der Beobachtungen ohne fehlende Werte 92 n fehl Anzahl der Beobachtungen mit fehlenden Werten 92 n fehl i Anzahl der fehlenden Werte in der i-ten Zeile aus H F 112 PROZ i Prozesszeit des i-ten Fehlertickets 23 PROZ i Zensierte Prozesszeit des i-ten Fehlertickets 23 R Indikatormatrix zur Datenmatrix Z 78 R 2 Bestimmtheitsmaß 50 R 2 adj angepasstes Bestimmtheitsmaß 50 R 2 MF McFadden Bestimmtheitsmaß 58 sp(a) Spur der Matrix A 101 Z Datenmatrix zur Fehlerdatenbank 77 Z beob Teilmatrix der beobachteten Daten zur Datenmatrix Z 78 Z fehl Teilmatrix der fehlenden Daten zur Datenmatrix Z 78 Z qual Teilmatrix der qualitativen Variablen zur Datenmatrix Z 99 Z quant Teilmatrix der quantitativen Variablen aus der Datenmatrix Z 99 Z sim Simulationsdatenmatrix 110

20

21 1 Einleitung Im Rahmen der Softwareentwicklung ist die Verwaltung von Fehlermeldungen, Änderungswünschen und Neuanforderungen von zentraler Bedeutung. Hierzu wird meist eine Fehlerdatenbank genutzt. Diese ermöglicht es, den Überblick über die erfassten Meldungen zu behalten. Die Meldungen werden in Form von Fehlertickets in der Datenbank erfasst. Ein Fehlerticket stellt einen Datensatz dar, der sich auf einen einzelnen Fehler bezieht. Im Idealfall enthält ein Fehlerticket eine detaillierte Beschreibung hinsichtlich der Nachvollziehbarkeit einer Fehlerkonstellation. Jedoch weisen Fehlertickets in der Realität deutliche Schwankungen hinsichtlich ihrer Qualität auf [15]. Ferner ist es möglich, dass ein neues Fehlertickets zu Beginn der Bearbeitung noch nicht alle relevanten Informationen enthält, die im Zuge des Ticket-Bearbeitungsprozesses durch die am Prozess beteiligten Personen unter Umständen nachgetragen werden. Der Ticket-Bearbeitungsprozess besteht grob aus den Schritten Ticket-Erstellung, Korrektur des Fehlers, Qualitätssicherung und Ticket-Schließung, die zeitlich hintereinander durchlaufen werden. Die Aufwände und Kosten zur Korrektur von Fehlern und zur Umsetzung von Änderungswünschen und Neuanforderungen lassen sich anhand von Fehlertickets schätzen. Damit zugleich der Prozess zur Bearbeitung eines Fehlertickets möglichst effizient verläuft, ist es für den Entwickler von besonderer Bedeutung, dass möglichst alle relevanten Informationen in einem Fehlerticket vorhanden sind. Auf diese Weise ist sichergestellt, dass der Entwickler den Fehler möglichst schnell nachvollziehen und korrigieren kann. Um eine Aussage über die Korrekturdauer von Fehlertickets treffen zu können, ist es erforderlich, den Aufwand zu schätzen. Die am häufigsten hierfür eingesetzte Methode ist die Expertenschätzung [100]. Dabei geben Personen aufgrund ihrer Erfahrung mit bisher korrigierten Fehlertickets eine Schätzung bezüglich des zu erwartenden Aufwands ab. Wurden sehr viele neue Fehlertickets erfasst, bindet diese Art der Schätzung unter Umständen viele Mitarbeiter, so

22 2 1 Einleitung dass bereits die Schätzung des Aufwands erhebliche Kosten verursacht. Alternativ lässt sich die Schätzung des Aufwands mit einem statistischen Modell ermitteln [51, 66, 109, 158]. Zugleich ist es somit möglich, die Einflussfaktoren auf die Effizienz des Bearbeitungsprozesses zu bestimmen. Mit den daraus gewonnen Erkenntnissen können die Erfasser von Fehlertickets dahingehend geschult werden, Tickets möglichst vollständig und mit den relevanten Informationen auszufüllen, damit die Bearbeitung der Fehlertickets durch die Entwickler und Tester zukünftig schneller und effizienter vorgenommen werden kann. Eine Voraussetzung der meisten empirischen Methoden zur Analyse eines Datensatzes ist, dass die zu untersuchenden Daten vollständig sind. Wie die folgenden Ausführungen zeigen, ist das bei einer Fehlerdatenbank nicht zwingend gegeben. Die Felder, die bei der Erfassung eines Fehlertickets ausgefüllt werden, lassen sich häufig in zwei Kategorien einteilen. Für die erste Kategorie, die Pflichtfelder, ist der Anwender verpflichtet, einen Wert einzugeben, um das Ticket erstellen zu können. Für die zweite Kategorie, die Nicht-Pflichtfelder oder Kann-Felder, ist es dem Anwender freigestellt, das Feld zu befüllen. In erster Linie fehlen Werte bei neu erfassten Fehlertickets, wenn bei den Nicht-Pflichtfeldern kein Wert eingetragen ist. Zusätzlich können fehlende Werte durch fehlerhafte Werte in Pflichtfeldern entstehen [103]. Wurde z. B. in einem Pflichtfeld in dem Feld Version eine Versionsnummer eingetragen, die zum Zeitpunkt der Ticket-Erstellung noch gar nicht existiert, kann man davon ausgehen, dass es sich um eine fehlerhafte Eingabe handelt. Deshalb behandeln die folgenden Analysen eine fehlerhafte Eingabe ebenfalls als einen fehlenden Wert. Der Einfluss von Team-Faktoren wie Produktivität, Größe, Verteilung oder Erfahrung eines Teams auf die Effizienz des Ticket-Bearbeitungsprozesses anhand von Daten aus mehreren Openund Closed-Source-Software-Projekten wurde bereits untersucht [58]. Die Effizienz des Bearbeitungsprozesses wurde dabei als Zeit festgelegt, die darauf verwendet wird, einen Fehler zu bearbeiten. Für die Analyse wurde je Projekt die durchschnittliche Bearbeitungszeit der zugehörigen Fehlertickets genutzt. Darauf aufbauend wird in der vorliegenden Arbeit der Einfluss von Ticket- Eigenschaften wie Länge der Beschreibung oder Reputation des Erstellers einer Fehlerdatenbank einer Closed-Source-Software auf die Effizienz des Ticket-Bearbeitungsprozesses analysiert. Somit kann eine feingranulare Betrachtung der Effizienz des Ticket-Bearbeitungsprozesses auf der Ebene von einzelnen Fehlertickets erfolgen. Zudem werden Ticket-Änderungen und ein Wechsel im Vorgehensmodell zur Softwareentwicklung und dessen Einfluss auf die Effizienz des Ticket-Bearbeitungsprozesses untersucht. Darüber hinaus werden in einer Simulationsstudie fünf unterschiedliche Techniken zum Umgang mit fehlenden Werten verglichen. Dabei werden drei verschiedene Mechanismen, die zu fehlenden Werten führen, und deren Auswirkungen auf die Ergebnisse analysiert. Außerdem werden in der Simulationsstudie Anteile von 10%, 20%, 30% und 40% fehlender Werte berücksichtigt. Ferner wird in der Studie analysiert, wie sich fehlende Werte auf die Parameter eines linearen Modells auswirken. Die Entwicklungszeit, d. h. die Zeit zur Korrektur eines Fehlers, wird prognostiziert und untersucht, welchen Einfluss fehlende Werte auf das Prognoseergebnis haben.

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

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

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

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

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

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

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

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Katholische Universität Eichstätt-Ingolstadt. Wirtschaftswissenschaftliche Fakultät

Katholische Universität Eichstätt-Ingolstadt. Wirtschaftswissenschaftliche Fakultät Katholische Universität Eichstätt-Ingolstadt Wirtschaftswissenschaftliche Fakultät Der Nutzen betrieblicher Weiterbildung für Großunternehmen. Eine empirische Analyse unter bildungsökonomischen Aspekten

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

Mehr

Untersuchungen zum Thema Tracking Error

Untersuchungen zum Thema Tracking Error Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

ELMA5-Verfahren. Benutzerleitfaden zur Massendatenschnittstelle des BZSt

ELMA5-Verfahren. Benutzerleitfaden zur Massendatenschnittstelle des BZSt ELMA5-Verfahren Benutzerleitfaden zur Massendatenschnittstelle des BZSt Stand: 08.03.2013 Seite 1 von 12 Inhaltsverzeichnis 1 Einleitung... 3 2 Voraussetzungen... 3 3 Dienste zur Teilnahme am ELMA5-Verfahren

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

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

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was

Mehr

Programmiertechnik II

Programmiertechnik II Analyse von Algorithmen Algorithmenentwurf Algorithmen sind oft Teil einer größeren Anwendung operieren auf Daten der Anwendung, sollen aber unabhängig von konkreten Typen sein Darstellung der Algorithmen

Mehr

CC-Logic Produktinformation

CC-Logic Produktinformation CC-Logic Produktinformation AnswerWIN: Call Center Planung und Optimierung Vorteile auf einen Blick Produktfunktionen Excel-Integration mit AnswerXLS Produktpositionierung Prognoseverfahren Produktvertrieb

Mehr

Simulation der SW-Systemzuverlässigkeit in Automatisierungssystemen auf Grundlage von SW-Komponenten

Simulation der SW-Systemzuverlässigkeit in Automatisierungssystemen auf Grundlage von SW-Komponenten Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner Simulation der SW-Systemzuverlässigkeit in Automatisierungssystemen auf Grundlage von SW-Komponenten

Mehr

Einfache Statistiken in Excel

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

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Die Auflösung von Aktienfonds

Die Auflösung von Aktienfonds Björn Zollenkop Die Auflösung von Aktienfonds Eine empirische Untersuchung für den deutschen Kapitalmarkt it einem Geleitwort von Prof. Dr. Wolfgang Harbrecht GABLER RESEARCH IX Inhaltsübersicht Geleitwort

Mehr

1 Einleitung. 1.1 Unser Ziel

1 Einleitung. 1.1 Unser Ziel 1 Dieses Buch wendet sich an alle, die sich für agile Softwareentwicklung interessieren. Einleitend möchten wir unser mit diesem Buch verbundenes Ziel, unseren Erfahrungshintergrund, das dem Buch zugrunde

Mehr

Commercial Banking. Kreditportfoliosteuerung

Commercial Banking. Kreditportfoliosteuerung Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung

Mehr

Laser in situ keratomileusis ohne und unter Verwendung persönlicher Nomogramme

Laser in situ keratomileusis ohne und unter Verwendung persönlicher Nomogramme Laser in situ keratomileusis ohne und unter Verwendung persönlicher Nomogramme Auswertung von Zweimonats-Daten Dr. med. Dominik J. Annen, Vedis Augenlaser Zentrum Winterthur Matthias Wottke, Carl Zeiss

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

1. Biometrische Planung

1. Biometrische Planung 1. Biometrische Planung Die biometrische Planung ist Teil der Studienplanung für wissenschaftliche Studien, in denen eine statistische Bewertung von Daten erfolgen soll. Sie stellt alle erforderlichen

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/31 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Masterstudiengang Wirtschaftswissenschaft

Mehr

Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im. Kontext der individuellen Nutzenmaximierung. - Darstellung anhand von Fallbeispielen -

Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im. Kontext der individuellen Nutzenmaximierung. - Darstellung anhand von Fallbeispielen - Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im Kontext der individuellen Nutzenmaximierung - Darstellung anhand von Fallbeispielen - S. Alexander Kelm S. Alexander Kelm Erklärungsmodelle der

Mehr

Datenanalyse mit SPSS spezifische Analysen

Datenanalyse mit SPSS spezifische Analysen Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

Marktliquidität von Aktien

Marktliquidität von Aktien Marktliquidität von Aktien Inauguraldissertation zur Erlangung der Würde eines Doctor rerum oeconomicarum der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Bern Lukas Roth Die Fakultät

Mehr

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:

Mehr

.wvw. Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen auf Basis einer Jahresabschlußanalyse.

.wvw. Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen auf Basis einer Jahresabschlußanalyse. Passauer Reihe Risiko, Versicherung und Finanzierung Band 15 Herausgegeben von Prof. Dr. Bernhard Kromschröder Prof. Dr. Jochen Wilhelm Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

Agile Programmierung - Theorie II SCRUM

Agile Programmierung - Theorie II SCRUM Agile Programmierung - Theorie II SCRUM Arne Brenneisen Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Seminar Softwareentwicklung in der Wissenschaft Betreuer: Christian

Mehr

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes

Mehr

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

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

- Agile Programmierung -

- Agile Programmierung - Fachhochschule Dortmund Fachbereich Informatik SS 2004 Seminar: Komponentenbasierte Softwareentwicklung und Hypermedia Thema: - - Vortrag von Michael Pols Betreut durch: Prof. Dr. Frank Thiesing Übersicht

Mehr

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

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

Mehr

Planung und Messung der Datenqualität in Data-Warehouse-Systemen

Planung und Messung der Datenqualität in Data-Warehouse-Systemen Planung und Messung der Datenqualität in Data-Warehouse-Systemen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines

Mehr

Kurzbeschreibung. Eingaben zur Berechnung. Das Optionspreismodell. Mit dem Eurex-OptionMaster können Sie

Kurzbeschreibung. Eingaben zur Berechnung. Das Optionspreismodell. Mit dem Eurex-OptionMaster können Sie Kurzbeschreibung Mit dem Eurex-OptionMaster können Sie - theoretische Optionspreise - Optionskennzahlen ( Griechen ) und - implizite Volatilitäten von Optionen berechnen und die errechneten Preise bei

Mehr

(Thema) Realisierung eines kennzahlenbasierten Steuerungskonzepts für das Change Management. Bachelorarbeit

(Thema) Realisierung eines kennzahlenbasierten Steuerungskonzepts für das Change Management. Bachelorarbeit (Thema) Realisierung eines kennzahlenbasierten Steuerungskonzepts für das Change Management Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Make-or-Buy bei Anwendungssystemen

Make-or-Buy bei Anwendungssystemen Björn Brandt Make-or-Buy bei Anwendungssystemen Eine empirische Untersuchung der Entwicklung und Wartung betrieblicher Anwendungssoftware Mit einem Geleitwort von Prof. Dr. Peter Buxmann GABLER RESEARCH

Mehr

Hochschule Heilbronn Technik Wirtschaft Informatik

Hochschule Heilbronn Technik Wirtschaft Informatik Hochschule Heilbronn Technik Wirtschaft Informatik Studiengang Electronic Business (EB) Diplomarbeit (280000) Evaluierung und Einführung eines Web Content Management Systems bei einem internationalen und

Mehr

Eine empirische Analyse für den deutschen Markt. von. Dr. Alexander Hick

Eine empirische Analyse für den deutschen Markt. von. Dr. Alexander Hick Der Einfluss von Fondsrankings und -ratings auf das Mittelaufkommen von Aktienfonds Eine empirische Analyse für den deutschen Markt von Dr. Alexander Hick Fritz Knapp Verlag Frankfurt am Main Abbildungsverzeichnis

Mehr

Preissensitivität beim Kauf von strukturierten Produkten Empirische Analyse und Gestaltungsempfehlungen für Emittenten

Preissensitivität beim Kauf von strukturierten Produkten Empirische Analyse und Gestaltungsempfehlungen für Emittenten Preissensitivität beim Kauf von strukturierten Produkten Empirische Analyse und Gestaltungsempfehlungen für Emittenten Dissertation der Wirtschaftswissenschaftlichen Fakultät der Universität Zürich zur

Mehr

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09. Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme

Mehr

AnswerWIN und AnswerXLS Call Center Planung & Optimierung

AnswerWIN und AnswerXLS Call Center Planung & Optimierung AnswerWIN und AnswerXLS Call Center Planung & Optimierung Produktinformationen: Vorteile auf einen Blick Produktfunktionen Integration mit Excel Produktpositionierung Prognoseverfahren Produktvertrieb

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Über dieses Buch. Kapitel 1. 1.1 Einleitung

Über dieses Buch. Kapitel 1. 1.1 Einleitung Kapitel 1 Über dieses Buch 1.1 Einleitung Dieses Buch behandelt das Vorgehensmodell Kanban und seinen Einsatz in Softwareentwicklungsprojekten. Kanban ist ein Vorgehensmodell der schlanken Softwareentwicklung

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

Inhaltsverzeichnis. Abbildungsverzeichnis... XIII Tabellenverzeichnis... XV Abkürzungsverzeichnis... XVII

Inhaltsverzeichnis. Abbildungsverzeichnis... XIII Tabellenverzeichnis... XV Abkürzungsverzeichnis... XVII Inhaltsverzeichnis Abbildungsverzeichnis... XIII Tabellenverzeichnis... XV Abkürzungsverzeichnis... XVII 1 Einleitung... 1 1.1 Problemstellung und Zielsetzung der Arbeit... 1 1.2 Vorgehen und Aufbau der

Mehr

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell: Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Fragestellungen der Schließenden Statistik

Fragestellungen der Schließenden Statistik Fragestellungen der Schließenden Statistik Bisher: Teil I: Beschreibende Statistik Zusammenfassung von an GesamtheitM N {e,,e N } erhobenem Datensatz x,,x N durch Häufigkeitsverteilung und Kennzahlen für

Mehr

Management großer Softwareprojekte

Management großer Softwareprojekte Management großer Softwareprojekte Prof. Dr. Holger Schlingloff Humboldt-Universität zu Berlin, Institut für Informatik Fraunhofer Institut für Rechnerarchitektur und Softwaretechnik FIRST H. Schlingloff,

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

Inhaltsverzeichnis. Inhaltsverzeichnis... I. 1 Problemstellung... 1. 2 V-Modell... 1. 2.1 Allgemeines... 1. 2.2 Anwendung des V-Modells...

Inhaltsverzeichnis. Inhaltsverzeichnis... I. 1 Problemstellung... 1. 2 V-Modell... 1. 2.1 Allgemeines... 1. 2.2 Anwendung des V-Modells... Inhaltsverzeichnis Inhaltsverzeichnis... I 1 Problemstellung... 1 2 V-Modell... 1 2.1 Allgemeines... 1 2.2 Anwendung des V-Modells... 3 3 SCRUM-Modell... 4 3.1 Allgemeines... 4 3.2 Anwendung des SCRUM-Modells...

Mehr

Der Cost-Average Effekt

Der Cost-Average Effekt Der Cost-Average Effekt Einleitung Wie sollte ich mein Geld am besten investieren? Diese Frage ist von immerwährender Relevanz, und im Zuge des demographischen Wandels auch für Aspekte wie die private

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Software-Test: Funktionstest

Software-Test: Funktionstest Software-Test: Funktionstest Andreas Zeller Lehrstuhl für Softwaretechnik Universität des Saarlandes, Saarbrücken 2006-02-06 Funktionale Testverfahren Funktionale Testverfahren testen gegen die Spezifikation

Mehr

Entwicklung eines Konzeptes zur Spezifikation standardisierter Leistungsparameter im Rahmen einer industrialisierten Software-Bereitstellung

Entwicklung eines Konzeptes zur Spezifikation standardisierter Leistungsparameter im Rahmen einer industrialisierten Software-Bereitstellung Berliner Schriften zu modernen Integrationsarchitekturen herausgegeben von Prof. Dr.-Ing. habil. Andreas Schmietendorf Hochschule für Wirtschaft und Recht Berlin, FB Band 11 Florian Muhß Entwicklung eines

Mehr

Der Unified Process ist ein generischer Prozeß zur objektorientierten Software- Erstellung

Der Unified Process ist ein generischer Prozeß zur objektorientierten Software- Erstellung Unified Process Eine Einführung von Hannes Fischer Fischer Software Elfenstr. 64 70567 Stuttgart Deutschland Copyright 2000 Hannes Fischer Unified Process Wie wird heute gearbeitet? Der Unified Process

Mehr

TEXTVERGLEICHENDES LEKTORAT

TEXTVERGLEICHENDES LEKTORAT SLA - Service Level Agreement zwischen MeinSchreibservice.de und Freelancer TEXTVERGLEICHENDES LEKTORAT DEFINITION Das textvergleichende Lektorat beinhaltet eine Überprüfung, ob die Übersetzung ihrem Zweck

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Evaluation der Normalverteilungsannahme

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

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Der Projektmanager (nach GPM / IPMA) Fragen zur Selbsteinschätzung und für die Prüfungsvorbereitung. Kapitel B Vorgehensmodelle

Der Projektmanager (nach GPM / IPMA) Fragen zur Selbsteinschätzung und für die Prüfungsvorbereitung. Kapitel B Vorgehensmodelle Der Projektmanager (nach GPM / IPMA) Fragen zur Selbsteinschätzung und für die Prüfungsvorbereitung Kapitel B Vorgehensmodelle Inhaltsverzeichnis 1 B Vorgehensmodell... 3 1.1 Welche Vorgehensmodelle sind

Mehr

Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen

Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen Christopher Bayer Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis XIX XXIII

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

2.Tutorium Generalisierte Regression

2.Tutorium Generalisierte Regression 2.Tutorium Generalisierte Regression - Binäre Regression - Moritz Berger: 04.11.2013 und 11.11.2013 Shuai Shao: 06.11.2013 und 13.11.2013 Institut für Statistik, LMU München 1 / 16 Gliederung 1 Erweiterte

Mehr

1/4. Team-Feedback zur Leistung des Scrum-Masters. Der Scrum-Master

1/4. Team-Feedback zur Leistung des Scrum-Masters. Der Scrum-Master 1/4 Der Scrum-Master "Der Scrum Master sorgt für eine nachhaltig hohe Produktivität und Qualität des Teams, indem er alle das Team tangierenden Vorhaben und Prozesse, die Aufteilung der Rollen und Rechte,

Mehr

Tobias Haupt. Social Media Marketing und Kapitalisierungsmöglichkeiten im Spitzensport

Tobias Haupt. Social Media Marketing und Kapitalisierungsmöglichkeiten im Spitzensport Tobias Haupt Social Media Marketing und Kapitalisierungsmöglichkeiten im Spitzensport Eine empirische Erfolgsfaktorenanalyse im Rahmen der 1. Fußball-Bundesliga herausgegeben von Christian Werner und Florian

Mehr

Bugtracking Tools codecentric GmbH

Bugtracking Tools codecentric GmbH Bugtracking Tools codecentric GmbH Rainer Vehns, Java Enterprise in der Deutschen Rentenversicherung. 29. Oktober 2008 Seite 1 Agenda Bug Tracking Ziele und Abgrenzung Anforderungen an Bugtracking Tools

Mehr

Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen. Bachelorarbeit

Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen. Bachelorarbeit Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Kurzanleitung für die Arbeit mit dem comosoft Helpdesk

Kurzanleitung für die Arbeit mit dem comosoft Helpdesk Kurzanleitung für die Arbeit mit dem comosoft Helpdesk 1. Der Start 2. Ticket-Erstellung 3. Prioritäten 4. Der Umgang mit Tickets 5. Der Umgang mit E-Mails 6. Der Downloadbereich 1 Der Start 1.1 URL Um

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert

Mehr

Abbildungsverzeichnis... IX. Tabellenverzeichnis... XV. Abkürzungsverzeichnis... XIX. 1 Einleitung... 1. 1.1 Problemstellung und Motivation...

Abbildungsverzeichnis... IX. Tabellenverzeichnis... XV. Abkürzungsverzeichnis... XIX. 1 Einleitung... 1. 1.1 Problemstellung und Motivation... III Abbildungsverzeichnis... IX Tabellenverzeichnis... XV Abkürzungsverzeichnis... XIX 1 Einleitung... 1 1.1 Problemstellung und Motivation... 1 1.2 Zielsetzung und Forschungsfragen... 3 1.3 Positionierung

Mehr

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße

Mehr

Thema: Risikomanagement

Thema: Risikomanagement 1.1. Risikomanagement Eine der elementarsten Anforderungen an die Projektplanung ist, durch zielgerichtete Planung mögliche Risiken, die den Projekterfolg in Frage stellen, zu identifizieren und präventiv

Mehr

Systematisches Testen von Software

Systematisches Testen von Software Programmierung Systematisches Testen von Software Markus Eckstein Systematika Information Systems GmbH Kurfürsten-Anlage 36 69115 Heidelberg markus.eckstein@systematika.com Zusammenfassung Die wichtigsten

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden

Mehr

Water-Scrum-Fall Ein Entwicklungsprozess mit Zukunft? Bernhard Fischer

Water-Scrum-Fall Ein Entwicklungsprozess mit Zukunft? Bernhard Fischer Water-Scrum-Fall Ein Entwicklungsprozess mit Zukunft? Bernhard Fischer Wasserfall vs. Agile: Eine Erfolgsstory 2 Umsetzung agiler Prinzipien Entwicklungsprozess 2009 30.6% 13.4% 20.6% 35.4% Agil Iterativ

Mehr

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die

Mehr