MÖGLICHKEITEN UND GRENZEN DER VORHERSAGBARKEIT VON EPIDEMIEN IN FRÜHEN STADIEN
|
|
- Klaudia Kerner
- vor 8 Jahren
- Abrufe
Transkript
1 MÖGLICHKEITEN UND GRENZEN DER VORHERSAGBARKEIT VON EPIDEMIEN IN FRÜHEN STADIEN Mario Ziller Friedrich-Loeffler-Institut Bundesforschungsinstitut für Tiergesundheit Institut für Epidemiologie Seestr. 55, D Wusterhausen Germany
2 VORHERSAGE VON EPIDEMIEN IN FRÜHEN STADIEN Einführung Unsicherheit Daten Modelle Ergebnisse
3 VORHERSAGE VON EPIDEMIEN - Einführung Motivation Beispiel der Dynamik einer Epidemie
4 VORHERSAGE VON EPIDEMIEN - Einführung Vorhersageziele - Anfangsphase der Epidemie Zeitpunkt des Ausbruchs Frühwarnung - Höhepunkt der Epidemie Wendepunkt R 0 =1 - Endphase der Epidemie Gesamtanzahl der Fälle Resourcenplanung für Bekämpfung
5 VORHERSAGE VON EPIDEMIEN - Einführung Vorhersage theoriebasiert datenbasiert - Modell bekannt - erhebe Daten zur Vorhersage - Beispiele (vorwiegend) : Physik, Astronomie... Wetter - Daten gegeben - wähle Modell zur Vorhersage - Beispiele (vorwiegend) : Biologie, Medizin Wirtschaft, Börse Epidemiologie, Risikoanalyse
6 VORHERSAGE VON EPIDEMIEN - Einführung Modellwahl - Dilemma
7 VORHERSAGE VON EPIDEMIEN - Einführung Unsicherheiten bei datenbasierter Vorhersage Schätzung Modell - Validität - zufällige Stichproben - Verzerrung - optimiert in der Daten-Region - unkontrolliert außerhalb - Varianz des Schätzers - angemessenes Verhältnis von Anpassungsfehler zu Vorhersagefehler erforderlich
8 VORHERSAGE VON EPIDEMIEN - Unsicherheit Prinzipien der Vorhersage Problem formulieren Informationen einholen Methoden auswählen Methoden ausführen Ungewißheiten abschätzen Vorhersageintervalle schätzen Methoden bewerten Vorhersagen anwenden
9 VORHERSAGE VON EPIDEMIEN - Unsicherheit Vorhersage - Genauigkeit absolut relativ - Konfidenzintervall punktweise oder simultan - Vorhersageintervall punktweise oder simultan Verhältnis zwischen - Anpassungsfehler und - Vorhersagefehler
10 VORHERSAGE VON EPIDEMIEN - Unsicherheit Modellwahl - Kriterien Anpassung Vorhersage - Anpassungsfehler, Konfidenzintervall SSE, σ - log-likelihood Anpassung AIC Akaike BIC - Schwartz - Vergleich mit bekannter Streuung C p Mallows - Vorhersagefehler, Vorhersageintervall ω,( τ - Informationsverlust, Vorhersage / Anpassung LIC - Vergleich Vorhersage mit Anpassung, CVC ), pr Φ pr Ψ
11 VORHERSAGE VON EPIDEMIEN - Unsicherheit Informationsverlust LIC = n(logω logσ ) + p = n log Ψ pr + p σ τ ω - Varianz der Anpassungsfehler - Varianz des Schätzers - Varianz der Vorhersagefehler n - Anzahl der Datenpunkte p - Anzahl der Parameter Relative Genauigkeit Φ pr Ψ pr = τ σ σ = ω
12 VORHERSAGE VON EPIDEMIEN - Unsicherheit Varianz - Vergleich CVC = = n n ω ( σ Φ 1) + pr + p p = n τ σ + p σ τ ω - Varianz der Anpassungsfehler - Varianz des Schätzers - Varianz der Vorhersagefehler n - Anzahl der Datenpunkte p - Anzahl der Parameter Relative Genauigkeit Φ pr Ψ pr = τ σ σ = ω
13 VORHERSAGE VON EPIDEMIEN - Unsicherheit Modellwahl Anpassungsgüte absolute and relative Vorhersage-Genauigkeit optimale Anpassung optimale Vorhersage
14 VORHERSAGE VON EPIDEMIEN - Daten Quellen World Animal Health Information Database (WAHID) Interface Copyright World Organisation for Animal Health (OIE) 007
15 VORHERSAGE VON EPIDEMIEN - Daten Auswahl Krankheit Region Jahr Anzahl Tage Fälle Blauzungenkrankheit Deutschland Blauzungenkrankheit Italien Blauzungenkrankheit Belgien Equine Influenza Australien Newcastle-Krankheit Rumänien (153) 144
16 VORHERSAGE VON EPIDEMIEN - Daten
17 VORHERSAGE VON EPIDEMIEN - Daten
18 VORHERSAGE VON EPIDEMIEN - Daten
19 VORHERSAGE VON EPIDEMIEN - Modelle Modellbewertung Anpassungsgüte ME, MAE, RMSE, se Konfidenzinterval absolute Vorhersage-Genauigkeit ME, MAE, RMSE (festes Intervall) Vorhersageinterval relative Vorhersage-Genauigkeit MAE(Vorhersage) / MAE(Anpassung), pr Φ pr Ψ R.7.0
20 VORHERSAGE VON EPIDEMIEN - Modelle Globale Modelle - exponentielle Funktion F( t) = a + b e c t - logistische Funktion F( t) = 1+ a b e c t - Arkustangens F( t) = a + b arctan( c ( t d))
21 VORHERSAGE VON EPIDEMIEN - Modelle Exponentielle Glättung - einfache exponentielle Glättung (SES) - lineare exponentielle Glättung (Holt) ( ) 1, 1 + = + i F Y F F i i i i α ( )( ) ( ) ( ) 1, 1 1, = + + = i b F F b i b F Y F i i i i i i i i β β α α
22 VORHERSAGE VON EPIDEMIEN - Modelle Autoregressive Modelle - gewichteter gleitender Mittelwert (ARr) r = 1 α j= 1 Fi + jyi j+ 1, i >= r - gewichteter gleitender Mittelwert der Differenzen (ARr-Iq) D q r = 1 α j= 1 q ( Fi + ) jd ( Yi j+ 1), i >= q + r - verwendete Modelle: r= and r=3 q=1 (Fälle je Tag), q= (Fälle gesamt)
23 VORHERSAGE VON EPIDEMIEN - Modelle Lokale Regression - gewichtete polynomiale Regression (LOESS) linear, quadratisch - trikubischer Kern K( x) = ( ) 3 1 x 3 für x sonst < 1
24 VORHERSAGE VON EPIDEMIEN - Modelle Beispiel Newcastle-Krankheit - Rumänien - 006
25 VORHERSAGE VON EPIDEMIEN - Ergebnisse Vorläufiges Fazit (1) exponentielles Modell - generell nicht geeignet lokale Regression - moderat geeignet logistische Funktion, Arkustangens - akzeptabel nach dem Wendepunkt
26 VORHERSAGE VON EPIDEMIEN - Ergebnisse Logistisches Modell Equine Influenza - Australien - 007
27 VORHERSAGE VON EPIDEMIEN - Ergebnisse Logistisches Modell Equine Influenza - Australien - 007
28 VORHERSAGE VON EPIDEMIEN - Ergebnisse Logistisches Modell Equine Influenza - Australien - 007
29 VORHERSAGE VON EPIDEMIEN - Ergebnisse Vorläufiges Fazit () Autoregressives Modell - bestes Modell - universell - gute Vorhersagegenauigkeit - besonders gute Anpassungsgüte - schlechte relative Vorhersage-Genauigkeit - Kurzzeitvorhersage
30 VORHERSAGE VON EPIDEMIEN - Ergebnisse Autoregressives Modell Blauzungenkrankheit - Italien - 006
31 VORHERSAGE VON EPIDEMIEN - Ergebnisse Autoregressives Modell Blauzungenkrankheit - Italien - 006
32 VORHERSAGE VON EPIDEMIEN - Ergebnisse Autoregressives Modell Blauzungenkrankheit - Italien - 006
33 VORHERSAGE VON EPIDEMIEN - Ergebnisse Vorläufiges Fazit (3) Ausbruch der Epidemie - Zeitpunkt mit (sporadischen) Fallzahlen nicht vorhersagbar - Ähnlichkeit zu Test-Situation - zurückweisen der Hypothese kein Ausbruch - Signal: tatsächliche Fallzahlen außerhalb des Vorhersageintervalls
34 VORHERSAGE VON EPIDEMIEN - Ergebnisse Zeitpunkt des Ausbruchs Blauzungenkrankheit - Belgien - 007
35 VORHERSAGE VON EPIDEMIEN - Ergebnisse Zeitpunkt des Ausbruchs Blauzungenkrankheit - Belgien - 007
36 VORHERSAGE VON EPIDEMIEN - Ergebnisse Vorläufiges Fazit (4) Beispiel der Dynamik einer Epidemie
37 VORHERSAGE VON EPIDEMIEN - Ergebnisse Ausblick multivariate Modelle - mehr Information - zusätzliche Variablen - spezielle Monitoringsysteme - verbesserte Vorhersage - Frühwarn-Indikatoren
Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrAllgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 9.1 Allgemeine Regressionsanalyse Daten (X j, Y j ), j = 1,..., N unabhängig Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl.
MehrRisikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013. Dirk Richter
Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013 Dirk Richter Berner Angewandte Fachhochschule Forschung Haute & Entwicklung/ école spécialisée Dienstleistung bernoise Pflege, Bern University
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
Mehr90-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
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
MehrDas 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
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrProfil 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
Mehrε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?
BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions
MehrLeseproben aus dem Buch: "Kanban mit System zur optimalen Lieferkette" Dr. Thomas Klevers, MI-Wirtschaftsbuch
Im Folgenden finden Sie Leseproben aus verschiedenen Kapiteln des Buches. Zu Beginn eines jeden Ausschnitts ist das jeweilige Kapitel angegeben. Kapitel 2: Grundlegende Gestaltung Kapitel 3: Verschiedene
MehrRauchen und Aussiedler: mitgebrachte Risiken oder Anpassung an die deutsche Allgemeinbevölkerung?
Rauchen und Aussiedler: mitgebrachte Risiken oder Anpassung an die deutsche Allgemeinbevölkerung? Katharina Reiss, Jacob Spallek, Doris Bardehle, Oliver Razum Abteilung Epidemiologie & International Public
MehrArbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit?
Arbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit? Anna Wirtz und Friedhelm Nachreiner Gesellschaft für Arbeits-, Wirtschafts- und Organisationspsychologische Forschung
MehrMessung und Aufwandsschätzung bei der Entwicklung von Web Applikationen. Frederik Kramer // Folie 1 von 14
Messung und Aufwandsschätzung bei der Entwicklung von Web Applikationen Frederik Kramer // Folie 1 von 14 Warum das ganze? Entwicklungskosten spielen eine immer wichtigere Rolle Messmethoden erlauben diese
MehrVisuelle Kryptographie
Visuelle Kryptographie 14. April 2013 Visuelle Kryptographie 14. April 2013 1 / 21 1 Motivation 2 Grundlagen 3 Beispiele 4 Schlußbemerkungen 5 Lizenz Visuelle Kryptographie 14. April 2013 2 / 21 Einordnung
MehrMultiple 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
MehrRegionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren
Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.
Mehr9. 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,
MehrHaus sanieren profitieren! 27. Februar 2014
27. Februar 2014 Gliederung Untersuchungsdesign Bekanntheit der Kampagne Der Energie Check aus Sicht der Handwerker Die Zufriedenheit der Hausbesitzer mit dem Energie Check Energie Check und kostenpflichtige
MehrSurvival of the Fittest Wie statistische Modelle an Daten angepasst werden
Tag der Mathematik 2009 Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Thomas Kneib Fakultät für Mathematik und Naturwissenschaften Carl von Ossietzky Universität Oldenburg
MehrPassivrauch-Exposition und Koronarsklerose bei Nichtrauchern
Passivrauch-Exposition und Koronarsklerose bei Nichtrauchern Peinemann F, 1,2 Moebus S, 2 Dragano N, 3 Möhlenkamp S, 2 Lehmann N, 2 Zeeb H, 1 Erbel R, 2 Jöckel KH, 2 Hoffmann B, 2 im Namen der Heinz Nixdorf
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrHauptseminar. Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit. Robert John 2.11.2011
Hauptseminar Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit Robert John 1 Inhalt Herkunft Stochastische Schätzung Monte-Carlo-Methode Varianzreduktion Zufallszahlen Anwendungsgebiete
MehrChangePoint-Analysen - ein Überblick
ChangePoint-Analysen - ein Überblick Gliederung Motivation Anwendungsgebiete Chow Test Quandt-Andrews Test Fluktuations-Tests Binary Segmentation Recursive circular and binary segmentation algorithm Bayesscher
MehrInstallationsanleitung WibuKey Treiber
Profi Line Warenwirtschaft Installationsanleitung WibuKey Treiber Bei der Installation der WibuKey ist zunächst zwischen der Serverinstallation und der reinen Client- bzw. Arbeitsplatzinstallation zu unterscheiden.
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrDie Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen
Die Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen Beitrag für den RatSWD-Nachwuchsworkshop: Längsschnittanalysen auf der Basis amtlicher Sozial- und Wirtschaftsdaten, Berlin, 25.-26.
MehrWelche Unterstützung brauchen Patienten bei einem Verdacht auf Behandlungsfehler?
Welche Unterstützung brauchen Patienten bei einem Verdacht auf Behandlungsfehler? MDK-Kongress 2012 Qualität, Kompetenz und Transparenz 27. - 28. März 2012, Berlin Agenda 1 Einführung 2 Erfahrungen 3 Bewertungen
MehrReduktion des Implementationsrisikos von Telemonitoring durch eine taxonomiegestützte Risikoanalyse
Reduktion des Implementationsrisikos von Telemonitoring durch eine taxonomiegestützte Risikoanalyse TELEMED 2010 Berlin, 3. November 2010 Gunnar Nußbeck gunnar.nussbeck@med.uni-goettingen.de 1 Taxonomiegestützte
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrMedizinische Ausbildung in Deutschland
Trilaterales Treffen, Bozen, 2010 Bundesärztekammer Medizinische Ausbildung in Deutschland eine kurze Übersicht Medizinstudium 36 Ausbildungsstätten (Medizinische Fakultäten bzw. Hochschulen) ca. 10 000
MehrInhaltsverzeichnis. 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?...
MehrStatistik Einführung // Lineare Regression 9 p.2/72
Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression
MehrEltern von Leselernern Informiertheit, Förderung, Konflikte. A. Schabmann & B. M. Schmidt Universität Wien
Eltern von Leselernern Informiertheit, Förderung, Konflikte A. Schabmann & B. M. Schmidt Universität Wien Ausgangslage LRS werden häufig spät erkannt, weswegen Kinder entsprechend spät in Hilfe erhalten
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
Mehr1. Mathematik-Schularbeit 6. Klasse AHS
. Mathematik-Schularbeit 6. Klasse AHS Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: (Un-)Gleichungen und Gleichungssysteme: AG. Einfache Terme und Formeln aufstellen, umformen und
MehrLehrerbefragung Kostenlose Bildungsmedien online (Abstract, 9. Oktober 2013)
Lehrerbefragung Kostenlose Bildungsmedien online (Abstract, 9. Oktober 2013) Dieses Abstract ist Teil des dreijährigen Forschungsprojektes Bildungsmedien online an der Philosophisch-Sozialwissenschaftlichen
MehrDie Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen
Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Anna Wirtz*, Ole Giebel**, Carsten Schomann**, Friedhelm Nachreiner** *Bundesanstalt
MehrWeiterbildungsbedarfe im demografischen Wandel
Weiterbildungsbedarfe im demografischen Wandel Ergebnisse der WEPAN-Befragungen bei niedersächsischen Betrieben 2007 bis 2011 Dr. Wolfgang Müskens, CvO Univ. Oldenburg Wiss. Leitung: Prof. Dr. Anke Hanft
MehrStatistik für Ingenieure und Naturwissenschaftler
Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten
Mehr1 Darstellen von Daten
1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen
MehrHaus sanieren profitieren! Abschlusspräsentation
Gliederung Untersuchungsdesign Bekanntheit der DBU und der Kampagne Haus sanieren profitieren! Der Energie Check aus Sicht der Handwerker Die Zufriedenheit der Hausbesitzer mit dem Energie Check Haus sanieren
MehrAlgorithmische Modelle als neues Paradigma
Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN
MehrVirtuelle Kraftwerke mit Mikro-KWK eine kurze Einführung
Virtuelle Kraftwerke mit Mikro-KWK eine kurze Einführung 9. Fachtagung Versorgungstechnik Osnabrück, 11. November 2011 Simon Kolin (sk@homa-sw.com) HOMA Software BV (www.homa-sw.com) Was ist ein virtuelles
MehrAnalyse von Tabellen und kategorialen Daten
Hans-Jürgen Andreß Jacques A. Hagenaars Steffen Kühnel Analyse von Tabellen und kategorialen Daten Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz Mit 32 Abbildungen
MehrCommercial Banking Übung 1 Kreditscoring
Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse
MehrInterne und externe Modellvalidität
Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrStatistische Methoden der Datenanalyse
Aktuelle Probleme der experimentellen Teilchenphysik (Modul P23.1.2b) Statistische Methoden der Datenanalyse Ulrich Husemann Humboldt-Universität zu Berlin Wintersemester 2010/2011 Vorstellung Vorlesung:
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
Mehr1,11 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
MehrML-Werkzeuge und ihre Anwendung
Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig
MehrStichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrMS SQL Server 2012 (4)
MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql
Mehr2.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
MehrMobile Marketing Anbieter Deutschland
Mobile Marketing Anbieter Deutschland Marktchancen, Wachstumspfade und Erfolgsfaktoren 2009 Ein Auszug aus den Studienergebnissen Düsseldorf, 15.05.2009 SABiDU 1 Motivation Marktbeurteilung aus der Sicht
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrDie Methode des Robusten Trends und der CAC40 (Frankreich)
Die Methode des Robusten Trends und der CAC40 (Frankreich) von Dr. Hans Uhlig Zusammenfassung Auch für den CAC40 lässt sich ein robuster Trend bestimmen, wie es für den DAX bereits gezeigt werden konnte
MehrAlignment-Verfahren zum Vergleich biologischer Sequenzen
zum Vergleich biologischer Sequenzen Hans-Joachim Böckenhauer Dennis Komm Volkshochschule Zürich. April Ein biologisches Problem Fragestellung Finde eine Methode zum Vergleich von DNA-Molekülen oder Proteinen
MehrDer Fröhlich-Faktor. Referent: Stefan Fröhlich
Der Fröhlich-Faktor Referent: Stefan Fröhlich Entstehung des Fröhlich-Faktor Wenn man sich mit der Entwicklung und dem Backtesting von Handelssystemen beschäftigt wird der Fröhlich-Faktor immer dann wichtig
MehrVerbessert Bildung den Gesundheitszustand? Ergebnisse für die Bildungsexpansion in West-Deutschland
Verbessert Bildung den Gesundheitszustand? Ergebnisse für die Bildungsexpansion in West-Deutschland Hendrik Jürges, MEA Steffen Reinhold, MEA Martin Salm, Universität Tilburg Siebte Jahreskonferenz des
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrModellierung 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
MehrPflegerisiko und Pflegeversicherung Status und Potenziale aus Sicht von Versicherungsmaklern und Verbrauchern
Pflegerisiko und Pflegeversicherung Status und Potenziale aus Sicht von Versicherungsmaklern und Verbrauchern resuro 2008 1 INHALT Bewertung der Gesundheits- und Pflegepolitik Informationsstand Einschätzung
MehrFachtagung Safety in Transportation Leitfaden für die IT Sicherheit auf Grundlage IEC 62443
Fachtagung Safety in Transportation Leitfaden für die IT Sicherheit auf Grundlage IEC 62443 DKE UK 351.3.7 Hans-Hermann Bock 1 Braunschweig, 06.11.2013 Anwendungsbereich der Vornorm (1) Diese Vornorm ist
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR
MehrProgrammiertechnik 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
MehrKonflikte in Personalratsgremien und mit der Dienststellenleitung
Konflikte in Personalratsgremien und mit der Dienststellenleitung Berlin, www.wsi.de Inhalt des Vortrags Fragestellung, Forschungsansatz und Daten Konflikte zwischen Personalräten (PR) und Dienststellenleitungen
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrStatistik II. Statistik II, SS 2001, Seite 1 von 5
Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
MehrVorkurs Mathematik für Informatiker 3 Logarithmen
3 Logarithmen Michael Bader, Thomas Huckle, Stefan Zimmer 1. 9. Oktober 2008 Kap. 3: Logarithmen 1 Logarithmen: Definition Definition: Zu x > 0 und b > 0, b 1 sei der Logarithmus von x zur Basis b folgende
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrVerbriefung von Versicherungsrisiken
Verbriefung von Versicherungsrisiken Institutstag 5. Mai 2015 1. Einführung Schadenversicherung Lebensversicherung 2. Wie funktioniert Verbriefung? 3. Einsatz als Rückversicherung 2 / 19 Histogramm der
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
Mehr0276 - Informationswirtschaft 3. Andreas Röhrenbacher 0626512 SS 2011
0276 - Informationswirtschaft 3 Andreas Röhrenbacher 0626512 SS 2011 Einleitung Entscheidungsproblem Bewertung der Optionen von Implementierungsmöglichkeiten Fallbeispiel 2 Software Plattform: Softwarepakete
MehrInformationsveranstaltung zum NGA-Modell 2015
Wir stehen für Wettbewerb und Medienvielfalt. Informationsveranstaltung zum NGA-Modell 2015 Martin Lukanowicz, Reinhard Frenzl, Bernd Hartl Betriebswirtschaft 17. Juni 2015 Agenda Einführung: NGA-Modell
MehrAlgorithms for Regression and Classification
Fakultät für Informatik Effiziente Algorithmen und Komplexitätstheorie Algorithms for Regression and Classification Robust Regression and Genetic Association Studies Robin Nunkesser Fakultät für Informatik
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrPrivate Gesundheitsausgaben älterer Menschen
Private Gesundheitsausgaben älterer Menschen Birte Schöpke Tagung Seniorenkonsum 25. und 26. September 2015 an der Technischen Universität Berlin Gliederung 1. Hintergrund 2. Datengrundlage Einkommens-
MehrBILDUNG IST VIELFALT. Willkommen HERZLICH WILLKOMMEN. BG/BRG Ried
BILDUNG IST VIELFALT Willkommen HERZLICH WILLKOMMEN Was Sie heute erwartet: Allgemeine Informationen über die Wahl Spezielle Informationen über die Sprachen Zusätzliche Informationen bei Bedarf Unsere
MehrInformationen zur (SIGNAL IDUNA AB-RKV 2014)
Informationen zur (SIGNAL IDUNA AB-RKV 2014) 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Einwilligung in die Erhebung und Verwendung von Gesundheitsdaten und Schweigepflichtentbindungserklärung
MehrEinfluss der Rechnungslegung auf Finanzanalysten
Einfluss der Rechnungslegung auf Finanzanalysten Eine empirische Analyse des Wechsels von HGB auf IFRS und US-GAAP Grundlagen Unternehmen Rechnungslegung Informationsasymmetrie Ad-hoc- Infos HV 1998 2004/2007
MehrVon EMAS II zu EMAS III. Von EMAS II zu EMAS III
Von EMAS II zu EMAS III Verordnung (EG) Nr. 1221/2009 des Europäischen Parlaments und des Rates über die freiwillige Teilnahme von Organisationen an einem Gemeinschaftssystem für Umweltmanagement und Umweltbetriebsprüfung
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
MehrUser Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten?
User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg dirk.lewandowski@haw-hamburg.de
Mehr1.1 Was ist Statistik und warum ist Statistik wichtig?
1.1 Was ist Statistik und warum ist Statistik wichtig? Typischer Lexikon-Eintrag für den Begriff Statistik : Methode zur Untersuchung von Massenerscheinungen Versuch, den Umfang, die Gliederung oder Struktur
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrBevölkerung mit Migrationshintergrund an der Gesamtbevölkerung 2012
Statistische Übersicht inkl. dem Vergleich zwischen und zur (Aus-)Bildungssituation von jungen Menschen mit und ohne Migrationshintergrund 1 in den Bundesländern nach dem Mikrozensus Erstellt im Rahmen
MehrPPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.
PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt
MehrUnaufmerksamkeit für eigene Risikofaktoren
Unaufmerksamkeit für eigene Risikofaktoren 40. Kongress der Deutschen Gesellschaft für Allgemeinmedizin und Familienmedizin 2006 Potsdam 1 Dr. Justus Welke Patientenwissen über eigene Risikofaktoren und
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
MehrZusammengefasstes Ergebnis der WLAN Überprüfung. 1. Lokale Überprüfung
Zusammengefasstes Ergebnis der WLAN Überprüfung 1. Lokale Überprüfung Das WLAN des Kunden erfüllt die Anforderungen für die eingesetzte Telnetapplikation auf den Psion Teklogixgeräten. Die ICMP-Paketverluste
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrGrundlagen 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