»Möglichkeiten und Grenzen der Wirkungsmessung«
|
|
- Gudrun Althaus
- vor 5 Jahren
- Abrufe
Transkript
1 »Möglchketen und Grenzen der Wrkungsmessung«18. Natonale Gesundhetsförderungs-Konferenz 19. Januar 2017, Neuenburg Prof. Dr. Alexandra Caspar Fachberech 4 Sozale Arbet und Gesundhet
2 Was snd Wrkungen? Veränderungen nach Beendgung ener Maßnahme, de sowohl auf Maßnahme als auch belebge Anzahl anderer Enflüsse zurückzuführen snd = Bruttowrkungen (Dfferenz b-a) Veränderungen nach Beendgung ener Maßnahme, de allen auf de durchgeführte Maßnahme zurückzuführen snd solerter Antel an nsgesamt auftretenden Veränderungen, de ncht beobachtbar gewesen wären, wenn Maßnahme ncht durchgeführt worden wäre = Nettowrkungen oder Projektwrkung (Dfferenz b-c) = kausaler Effekt Prof. Dr. Alexandra Caspar Fole 1
3 Nettowrkungen/Kausaler Effekt En vom Auftreten enes kausal wrksamen Faktors T (Maßnahme) abhängger kausaler Effekt δ (Wrkung) st de Dfferenz zw. dem Eregns Y 1, das be Auftreten von T (T=1) realsert wrd, und dem alternatven Eregns Y 0, das ohne T (T=0) entreten würde: = Y 1 (X, T=1) Y 0 (X, T=0) = Y 1 Y 0 Netto- Wrkungen = Y 1 - Y 0 Prof. Dr. Alexandra Caspar Fole 2
4 Nettowrkungen/Kausaler Effekt En vom Auftreten enes kausal wrksamen Faktors T (Maßnahme) abhängger kausaler Effekt δ (Wrkung) st de Dfferenz zw. dem Eregns Y 1, das be Auftreten von T (T=1) realsert wrd, und dem alternatven Eregns Y 0, das ohne T (T=0) entreten würde: = Y 1 (X, T=1) Y 0 (X, T=0) = Y 1 Y 0 Wrkungen snd ncht drekt beobachtbar: - Eregns Y nur für T=1 (Y 1 ) oder T=0 (Y 0 ) beobachtbar - für Telnehmer ener Maßnahme (X, T=1) st Ergebns Y 0 (X, T=0) ncht beobachtbar (= das Kontrafaktsche) Wrkungen werden anhand durchschnttlcher Werte emprsch erschlossen: ˆ Y1 Y 0 Verglech Eregns be Zelgruppe (ZG) und hypothetschem Eregns, das ohne Maßnahme engetreten wären Frage des Untersuchungsdesgns/Evaluatonsdesgns Prof. Dr. Alexandra Caspar Fole 3
5 Wrkungsndkator vorexpermentelle Untersuchungsdesgns häufg genutztes Desgn zur (angeblchen) Wrkungsmessung : En-Gruppen-Vortest- Nachtest-Desgn (a) t 1 ZG Zet t 2 Wrkung ZG ZG Y 2 Y 1 gemessene Wrkung = t t Kontrafaktsche wrd ncht berückschtgt mt vorexpermentellen Desgns kann Wrkung ener Maßnahme ncht nachgewesen werden/kene kausale Attrbuton möglch expermentelle bzw. quas-expermentelle Desgns notwendg ZG: Zelgruppe, X: Stmulus (Projekt/Maßnahme), Datenerhebung, t: Zetpunkt (erste, zwete Datenerhebung/Messung) Prof. Dr. Alexandra Caspar Fole 4
6 Wrkungsndkator Berückschtgung des Kontrafaktschen En-Gruppen-Vortest- Nachtest-Desgn (a) ZG Wrkung Survey-Desgn (4) ZG VG Wrkung (SD) Wrkungen überschätzt Vortest-Nachtest mt Verglechsgruppen- Desng (2) ZG VG Wrkung (DD) Wrkungen überschätzt t 1 Zet t 2 t 1 Zet t 2 t 1 Zet t 2 Prof. Dr. Alexandra Caspar Fole 5 ZG: Zelgruppe, VG: Verglechsgruppe, X: Stmulus (Projekt/Maßnahme), Datenerhebung, t: Zetpunkt (erste, zwete Datenerhebung/Messung) Prof. Dr. Alexandra Caspar Fole 5
7 QUALITÄT Expermentelle & Vorexpermentelle Desgns ZG: Zelgruppe, VG: Verglechsgruppe, X: Stmulus (Projekt/Maßnahme), t: Zetpunkt (erste, zwete Datenerhebung/Messung) Prof. Dr. Alexandra Caspar Fole 6
8 Umsetzungsmöglchketen Erfahrungen aus der Evaluatonspraxs: angemessene Desgns werden oft als unnötg anspruchsvoll, als methodsch unangemessen oder als ncht realserbar abgelehnt Fokus herbe mest Goldstandard (RCTs) realstsche Wege, we quas-expermentelle Desgns n der Evaluatonspraxs angewandt werden können, werden herbe häufg ncht bedacht Prof. Dr. Alexandra Caspar Fole 7
9 Matchng on Observables quas-expermentelles Desgn: - bewusste Auswahl anhand glecher charakterstscher Merkmale (relevanter Drttvarablen) der ZG z.b. Alter, Geschlecht, ökonomsche Stuaton, etc. - VG wrd aus Personen, Regonen, Bezrken gebldet, de höchste Überenstmmung n Egenschaften mt ZG aufwesen - ncht beobachtbare Merkmale ( unobservables ), z.b. Motvaton, schwer zu berückschtgen Konstrukton ener VG für Nachher-Messung m Rahmen ener Evaluaton möglch (t 2 ) nur sngle-dfference (SD) möglch oder berets be Planung auch Vorher-Messung (t 1 ) double-dfference (DD) möglch Prof. Dr. Alexandra Caspar Fole 8
10 Indkator zur Förderungswürdgket Regresson Dscontnuty quas-expermentelles Desgn: Konstrukton VG für Vorher- & Nachher-Messung - wenn Telnahme an Maßnahme an bestmmte Voraussetzung mt gesetztem Schwellenwert gebunden, z.b. Enkommen, Alter, Testergebns (BMI, Cholestern), Lestung (Schulsport) etc. - wenn Erfüllung der Voraussetzung vorab überprüft wrd VG = Personen, de Schwellenwert nur knapp ncht errecht haben, aber sehr ähnlche Charakterstka we ZG aufwesen Schwellenwert ncht förderungswürdg Verglechsgruppe TelnehmerInnen BewerberInnen double-dfference (DD) möglch Prof. Dr. Alexandra Caspar Fole 9
11 Maßnahme Ppelne Verfahren expermentelles Desgn: VG für Vorher- & Nachher-Messung - wenn größeres Programm mt langer Laufzet n mehreren Phasen zetversetzt mplementert wrd (Schulen, Schulklassen, Städte, Stadttele, Dörfer, Regonen) - wenn kene bewusste Entschedung darüber, warum Klassen, Stadttele, Dörfer etc. an der ersten Phase, andere erst später telnehmen sollen ( randomzed phasng n ) Enheten, de erst an der 2. & 3. Phase telnehmen Gruppe 3 = VG für Personen der 1. Phase double-dfference (DD) möglch Gruppe 1 Gruppe 2 Phase 1 Phase 2 Phase 3 t 1 t 2 t 3 t 4 Zet Prof. Dr. Alexandra Caspar Fole 10
12 Propensty Score Matchng (PSM) quas-expermentelles Desgn: - Konstrukton VG für Vorher- & Nachher-Messung - wenn Daten aus allgemenen Surveys mt nteresserenden Fragen zu Zetpunkt t 1 und t 2 exsteren - anhand charakterstscher Merkmale werden Ähnlchketsndces geschätzt (berechnet) - auf Bass deser Ähnlchketsndces wrd für jede Enhet der ZG ene (oder mehrere) passende Enheten aus dem Survey für VG ausgewählt, de sch bzgl. der Merkmale ncht von der ZG-Enhet unterschedet ( statstscher Zwllng ) Qualtät der VG ~ KG double-dfference (DD) möglch Prof. Dr. Alexandra Caspar Fole 11
13 wchtge Anmerkung Internatonale Dskusson um Wrkungsmessung bezeht sch nur auf klenen Ausschntt m Kontext ener Evaluaton Frage, we endeutge Wrkungszuschrebung (kausale Attrbuton) methodsch realsert werden kann Fokussert auf Outcomes (drekte ntenderte Wrkungen) = klener Ausschntt des (komplexen) Wrkmodells/Wrkungsgefüges Daher: Wrkungsmessung Wrkungsevaluaton! Wrkungsmessung notwendg, jedoch ncht hnrechend! nur Untersuchung, ob Maßnahme wrkt oder ncht Frage nach Warum blebt unbeantwortet Black Box aussagekräftge Wrkungsevaluatonen benötgen ebenso: Analyse & Bewertung ener Maßnahme auch bzgl. anderer Fragen (Relevanz, Impact, Effzenz, Planung & Steuerung, etc.) auf allen Ebenen des Wrkmodells Analyse ncht-ntenderter Wrkungen Prof. Dr. Alexandra Caspar Fole 12
14 Möglchketen & Grenzen Wrkungsmessungen mt quas-expermentellem Desgn snd verhältnsmäßg enfach umzusetzen! Voraussetzung: Wrkmodell mt Indkatoren (größte Hürde) Möglchket enes quas-expermentellen Desgns sollte mmer geprüft werden (ex-ante) Wchtg: Wrkungsmessung m Kontext von Evaluatonen st ene Methode von velen (Methodenmx/Trangulaton)! Wrkungsmessung stärkt de Plausblserung der (Wrkungs-)Ergebnsse! Prof. Dr. Alexandra Caspar Fole 13
15 Velen Dank für Ihre Aufmerksamket!
nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Mehr»Wirkungsmessung im Kontext von Evaluationen Möglichkeiten und Grenzen in der Praxis«
»Wirkungsmessung im Kontext von Evaluationen Möglichkeiten und Grenzen in der Praxis«Weiterbildungsseminar S3 im Rahmen der 19. DeGEval-Jahrestagung 21. September 2016, Salzburg Prof. Dr. Alexandra Caspari
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrÖkonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte
Ökonomsche und ökonometrsche Evaluaton 90 Emprsche Analyse des Arbetsangebots Zele: Bestmmung von Arbetsangebotselastztäten als Test der theoretschen Modelle Smulaton oder Evaluaton der Wrkungen von Insttutonen
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
MehrÜbungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2
Übungen zur Vorlesung Physkalsche Chee 1 B. Sc.) Lösungsorschlag zu Blatt Prof. Dr. Norbert Happ Jens Träger Soerseester 7. 4. 7 Aufgabe 1 a) Aus den tabellerten Werten ergbt sch folgendes Dagra. Btte
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrQualitative Evaluation einer interkulturellen Trainingseinheit
Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen
MehrMarktversagen, Energieeffizienz und Rolle des Staates
Marktversagen, Energeeffzenz und Rolle des Staates Prof. Dr. Massmo Flppn ESC-SAEE März 2011 "Energy effcency paradox m Gebäudeberech: Ökonomsche Ursachen und Rolle des Staates Glederung Markt und Marktversagen
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrAn dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
MehrStatistische Berichte
Statstsche Berchte De Entcklung der Bevölkerung m Saarland 2014 bs 2060 Ergebnsse der 13. koordnerten Bevölkerungsvorausberechnung Altersaufbau der Bevölkerung m Saarland Altersjahre 100 95 90 85 80 75
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell
ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
MehrContents blog.stromhaltig.de
Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrVorlesungsprüfung Politische Ökonomie
Vorlesungsprüfung Poltsche Ökonome 22.06.2007 Famlenname/Vorname: Geburtsdatum: Matrkelnummer: Studenrchtung: Lesen Se den Text aufmerksam durch, bevor Se sch an de Beantwortung der Fragen machen. Ihre
MehrGeschichte, Sherlock Holmes Spiel (Definition) Einteilung und Eigenschaften von Spielen Modellierungsformen Strategietypen (dominant, rein, gemischt)
Peter Garscha Geschchte, Sherlock Holmes Spel (Defnton) Entelung und Egenschaften von Spelen Modellerungsformen Strategetypen (domnant, ren, gemscht) Nash-Glechgewcht (Defnton, Exstenz) Gefangenendlemma
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrAbenteuer Führung. Der Survival Guide für den ersten Führungsjob. Die erste Führungsaufgabe ist kein Zuckerschlecken!
SEMINARPROGRAMME Abenteuer Führung Der Survval Gude für den ersten Führungsjob De erste Führungsaufgabe st ken Zuckerschlecken! Junge Hgh Potentals erkennen das schnell. Her taucht ene unangenehme Überraschung
MehrStrategien zur Effizienzsteigerung Robustheitsbasierter Optimierungen
Prof. Dr.-Ing. habl. Deter Bestle Engneerng Mechancs and Vehcle Dynamcs Strategen zur Effzenzstegerung Robusthetsbaserter Otmerungen Motvaton Redukton des Suchraumes aufgrund von Otmerungsnebenbedngungen
MehrFachkräfte- Die aktuelle Situation in Österreich
Chart 1 Fachkräfte- De aktuelle Stuaton n Österrech Projektleter: Studen-Nr.: Prok. Dr. Davd Pfarrhofer F818..P2.T n= telefonsche CATI-Intervews, repräsentatv für de Arbetgeberbetrebe Österrechs (ohne
MehrÄnderungen des Honorarverteilungsmaßstabes (HVM) zum 1. Oktober 2018
A1612 Änderungen des Honorarvertelungsmaßstabes (HVM) zum 1. Oktober 2018 Der Honorarvertelungsmaßstab der KV Berln wrd mt Wrkung zum 1. Oktober 2018 durch Beschluss der Vertreterversammlung vom 21. Jun
MehrIndividuelle Clusterung, oder: Womit kann man Bayern vergleichen?
Indvduelle Clusterung, oder: Womt kann man Bayern verglechen? Data Mnng / Web Mnng Martn Westphal Bauer Systems KG Bauer Meda Group Burchardstraße 11 Hamburg martn.westphal@bauerverlag.de Ncola Brauns
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrContents. PV-Strom... Positive Regelleistung... Negative Regelleistung... Vereinigung und Organisation ist der Knackpunkt...
Contents PV-S... Postve Regellestung... Negatve Regellestung... Verengung und Organsaton st r Knackpunkt... 2 3 3 4 Regelenerge - Sar ncht erzeugter S lässt sch zu Geld machen... Regelenerege or Regellestung
MehrPersonelle Einzelmaßnahmen - 99 BetrVG. Eingruppierung G 4 G 3 G 2 G 1 G 4. Bei Neueinstellungen oder Arbeitsplatzwechsel. Personelle Einzelmaßnahmen
- 99 BetrVG Enstellung Engrupperung Umgrupperung Versetzung 95 Abs. 3 BetrVG G 4 G 4 G 3 G 2 G 1 G 3 G 2 G 1 neue Arbetsverhältnsse Verlängerung befrsteter AV Umwandlung n unbefrstete AV Beschäftgung von
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
Mehr2.1 Einfache lineare Regression 31
.1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große
MehrVerkehrstechnik. Straßenbau
st messbar. smanagement Hlfsmttel Arbetsscherhet Fazt Verkehrstechnk Straßenbau IVU Semnar Mobltät, Verkehrsscherhet, Umwelt (04/06) Dpl. Ing. Sandra Voß st messbar. smanagement Hlfsmttel Arbetsscherhet
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
Mehr22. Vorlesung Sommersemester
22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De
MehrBeschreibung von Vorgängen durch Funktionen
Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende
MehrKurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit
BINARY CHOICE MODELS 1 mt Pr( Y = 1) = P Y = 0 mt Pr( Y = 0) = 1 P Bespele: Wahlentschedung Kauf langlebger Konsumgüter Arbetslosgket Schätzung mt OLS? Y = X β + ε Probleme: Nonsense Predctons ( < 0, >
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
MehrNumerische Methoden II
umersche Methoden II Tm Hoffmann 23. Januar 27 umersche Bespele umersche Methoden zur Approxmaton von Dervatpresen: - Trnomsche Gttermethode - Implzte Fnte Dfferenzen - Explzte Fnte Dfferenzen - Crank-colson
MehrSicherheit von Π MAC2
Scherhet von Π MAC2 Satz Scherhet von Π MAC2 Se Π scher. Dann st Π MAC2 ebenfalls scher. Bewes: Se A en Angrefer für Π MAC2 mt Erfolgsws ɛ(n). Wr konstrueren enen Angrefer A für Π. Algorthmus Angrefer
MehrMehr Erfolg durch Kundenbewertungen! Wie Ihr Kfz-Betrieb von WERKSTATTQUALITÄT.DE nachhaltig profitiert
Mehr Erfolg durch Kundenbewertungen! We Ihr Kfz-Betreb von WERKSTATTQUALITÄT.DE nachhaltg proftert Ttelmasterformat durch Klcken bearbeten DAT 1 Kennen Se berets den Kunden, der Ihre Werkstatt erst noch
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrNeue Erfahrungen und Erkenntnisse bei der Regionalisierung von Input- Output-Tabellen
Neue Erfahrungen und Erkenntnsse be der Regonalserung von Input- Output-Tabellen Tobas Kronenberg & Johannes Többen 7. Input-Output-Workshop Osnabrück, 03.-04.04.2014 Inhalt Enführung Nonsurvey-Methoden
MehrMusterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur
Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
MehrGrundwissen Grammatik
Ft für das Bachelorstudum Grundwssen Grammatk Verb 1 1. 1. 1 Konjugaton des Verbs Verben werden konjugert, d.h., se werden nachfünf verschedenen grammatschen Kategoren verändert: nach der Person: ch schree
MehrAggregation: Marktnachfrage und Marktangebot
. Enführung/Motvaton. Konsumtheore 3. Produktonstheore 4. Marktanalyse Marktanalyse ggregaton: Marktangebot und Marktnachfrage Wohlfahrtsanalyse: Konsumenten und Produzentenrente Vollkommene Konkurrenz
MehrEmpfehlung zur Verwendung von Flächenklassen bei der Angemessenheitsprüfung
Empfehlung zur Verwendung von Flächenklassen be der Angemessenhetsprüfung von Angeboten für Flächenvermessungen Bezüge: (1) Ergebnsvermerk der 16. Stzung des AK Vermessung, am 10.10.2016 n Hamburg (2)
Mehr6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren
Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen
Mehr4. Rechnen mit Wahrscheinlichkeiten
4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrEnergiemanagement. und sind wir jetzt wirklich effizienter? Entwicklung, Vorgangsweise und Bewertung
Energemanagement. und snd wr jetzt wrklch effzenter? Entwcklung, Vorgangswese und Bewertung AK Qualtät & AK Umwelt der WK Trol am 22.11.2018 be Lebherr Hausgeräte n Lenz Themen Bassdaten Energeverbrauch
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
MehrKaplan- Meier- Schätzer
Kaplan- Meer- Schätzer Glederung 1. Enletung 2. Zensur 3. Notaton 4. Methoden zur Schätzung der Überlebensfunton a. Reduced Sample Method/ Drect Method b. Actuaral Method bzw. verscherungsmath. Methode
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
Mehr1.4 TDI ultra 66 kw (90 PS) 5-Gang. Leistung: 66 kw (90 PS), km, EZ: 03/2015 Audi Gebrauchtwagen :plus Zentrum München Audi München GmbH
Gebrauchtwagensuche 561 Treffer Aud A1 1.4 TDI ultra 66 kw (90 PS) 5-Gang 12.394,00 Lestung: 66 kw (90 PS), 76.249 km, EZ: 03/2015 Kraftstoffverbrauch komb.¹: 3,4 l/100km, CO2- Emssonen komb.¹: 89 g/km
Mehrω 0 = Protokoll zu Versuch E6: Elektrische Resonanz
Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung
MehrZusammenfassung der ersten Vorlesung
Zusammenfassung der ersten Vorlesung 1. Es geht um de Mechank.. Jedes mechansche System kann mttels ener Lagrangefunkton charaktersert werden. De Lagrangefunkton hängt von den verallgemenerten Koordnaten,
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
Mehr4. Energie, Arbeit, Leistung, Impuls
34 35 4. Energe, Arbet, Lestung, Ipuls Zentrale Größen der Physk: Energe E, Enhet Joule ( [J] [N] [kg /s ] Es gbt zwe grundsätzlche Foren on Energe: knetsche Energe: entelle Energe: Arbet, Enhet Joule
MehrKapitel 5 Systeme von Massenpunkten, Stöße
Katel 5 ystee von Massenunkten, töße Drehoente und Drehuls enes Telchensystes O t : z r r r F x r F F F y F F t (acto = reacto) : F t äußeren Kräften F und F und nneren Kräften F = -F Drehoente : D D r
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrErläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S
Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am
MehrVERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE
VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE Y. L*, S-O. Han*, T. Pfeffer** *) Fachgebet Systemzuverlässgket und Maschnenakustk, TU Darmstadt **)
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
Mehr4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014
4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben
MehrHypothekenversicherung oder Bankhypothek?
Unverstät Augsburg Prof Dr Hans Ulrch Buhl Kernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-44 Hypothekenverscherung
MehrAgentur für Arbeit Kompetenter Partner und Dienstleister
Workshop: Lebenswelten verstehen Stärken erkennen Unterstützung koordneren - Übergang Schule - Beruf M.Wagner, Agentur für Arbet Deggendorf 16. Ma 2013 BldrahmenBld enfügen: Menüreter: Bld/Logo enfügen
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrContents blog.stromhaltig.de
Contents Erste Sonne - Überhtzung s Hauses m Frühjahr vermen Wer freut sch ncht über de ersten Sonnensahlen m Frühjahr? Besonrs jetzt, da r dunkelste Wnter r letzten 43 Jahre vorüber st. Nachts wrd es
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
Mehr