Genexpression (1) Clustering
|
|
- Adrian Roth
- vor 5 Jahren
- Abrufe
Transkript
1 Clusterg Clusterg: Grupperug ud Etelug eer Datemege ach ählche Merkmale Uüberwachte Klassfzerug (Neuroale Netze- Termologe) Dstazkrterum: E Datevektor st zu adere Datevektore seer Gruppe ahe (äher als zu Vektore aderer Gruppe k-clusterg: Cluster eer Datemege k Gruppe Vele Clusterugsprobleme sd NP-hart! Geexpresso () Geexpresso: Bosythese ees Geprodukts (Umsetzug der geetsche Iformato Protee) IdR. Traskrpto vo DNA zu mrna ud aschleßeder Traslato vo mrna zu Prote. Expermetelle Mkrobologe: Expermetelle Bestmmug der Expresso vo Gee Mcroarray-Techologe: Vele Gee köe glechzetg utersucht werde (>0000) cdna Mcroarrays: komplemetäre DNA Fole 246 Fole 247 Geexpresso (2) cdna-mcroarrays: Glasschebe mt mehrere taused regelmäßg ageordete Felder (Spots) Jeder Spot ethält cdna ees bestmmte Ges Zel mrna wrd markert Alle cht hybrdserte Targets werde abgewasche Lchttestät wrd aschleßed gemesse Itestät spegelt Expressoslevel weder Geexpresso (3) Bologsche Fragestelluge: Welche Fuktoe habe de ezele Gee ud welche zelluläre Prozesse sd se betelgt? We werde Gee regulert, we teragere Gee ud Geprodukte? We sd de Iteraktosetzwerke aufgebaut? We uterschede sch de Expressoslevel verschedee Zelltype ud Zustäde? Fole 248 Fole 249
2 Geexpressosaalyse Aufgabestellug: Dateaalyse, Data Mg Dmesosredukto ud Vsualserug Fde vo Gruppe co-regulerter Gee, fuktoal zusammehägeder Gee Lösug: Clusteraalyse, Clusterg der Gee Algorthme: Herarchsches Cluster Self-orgazg maps (SOMs) Hauptkompoeteaalyse (PCA) K-Meas,... Mmum Sum of Squares Clusterg MSSC: NP-hartes kombatorsches Mmerugsproblem K 2 2 m ( ˆ, ) ( ˆ, ) p d x x = j d x x p ( ) = j C = mt xˆ = C j C { } ud C = j {,..., } p( j) = j m x R, =,..., : Egabevektore der Dmeso m C : zu Cluster zugeordete Vektore x p:{,.., } {,..., k}: Zuordug vo Vektor zu Cluster Fole 250 Fole 25 Der k-meas Algorthmus Memetsche Algorthme fürs MSSC k-meas: Wederholtes Zuwese der Iputvektore zu Cluster ud Neuberechug der Clusterzetre Zuwese durch Bestmmug des Zetrums mt gergstem Abstad Abbruchkrterum: Clusterzetre habe sch cht geädert Kovergert gege lokales Optmum der MSSC Zelfukto Wähle Clusterzetre Zuordug Vektore zu Cluster Neuberechug der Clusterzetre Ede Wchtge Schrtte: Bestmmug der Zelfukto Bestmmug der Repräsetato vo Lösuge Wahl der lokale Suche Etwcklug ees Mutatosoperators Etwcklug ees Rekombatosoperators Fole 252 Fole 253 2
3 Memetsche Algorthme fürs MSSC Bestmmug der Zelfukto: MSSC Fukto 2 f( p) = d ( xˆ p (), x) = Bestmmug der Repräsetato vo Lösuge: Abbldug p ka so kodert werde: p : Vektor wrd Cluster zugewese Vektor 2 wrd Cluster 3 zugewese Memetsche Algorthme fürs MSSC Wahl der lokale Suche: K-Meas, Iput: k Clusterzetre Mutatosoperatore: Operator MM: - E zufällg gewählter Vektor wrd als Clusterzetrum für e zufällg gewähltes Cluster heragezoge Operator FM: - Zwe Cluster ud j werde zufällg gewählt - Der Vektor mt der größte Dstaz zum Mea vo Cluster wrd als Clusterzetrum (mea) vo Cluster jverwedet Clusterzetre köe aus p berechet oder gespechert werde Werde MA gespechert Fole 254 Fole 255 Memetsche Algorthme fürs MSSC MSSC: RX Rekombato Rekombatosoperatore: Operator UX (uform Crossover): - De Mea-Vektore werde mt glecher Wahrschelchket vo de bede Elter gewählt Operator RX: - Mea-Vektore Elter a werde durch Mea-Vektore vo Elter b ersetzt - Mea-Vektore aus überrepräseterte Bereche solle gelöscht werde - Mea-Vektore solle zu uterrepräseterte Bereche hzugefügt werde Rekombatosoperator RX: Elter a: a a 2 a 3 a 4 a 5 a 6 a 7 a 8 a 9 a 0 Elter b: b b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 b 0 Kd: a b 4 a 3 a 4 b 6 a 6 b 3 a 8 a 9 a 0 Dscard Lst: a 2 a 5 a 7 a 0 Splt Lst: a 3 a 6 a 8 Gewählte Paare: (a 3,a 2 ) (a 8,a 5 ) (a 6,a 7 ) b a j : a j st ächster Mea-Vektor zu b Fole 256 Fole 257 3
4 Clusterg - Dstaze zwsche Lösuge Dstaze: Wchtg, we ma Lösuge vo Clusterugsalgorthme vergleche wll Wchtg für Ftessladschaftsaalyse Vorschlag : Ceter-Dstaz: Dpq (, ) = dx ( ˆ ˆ p (), xq() ) = Clusterg - Dstaze zwsche Lösuge Zel: Zähle, der Vektore de uterschedlch zugeordet wurde Vorschlag 2: Matchg: Orde Cluster vo Lösug A Cluster vo Lösug B zu Zuordug über Clusterzugehörgket Zähle de gemesame Vektore der zugeordete Cluster Nachtel: Abhägg vom MSSC-Krterum, schwer terpreterbar Fole 258 Fole 259 Clusterg Matchg & Dstazberechug Clusterg Matchg & Dstazberechug Matchg: Zähler = 0 Für jedes Cluster aus Lösug A: - Fde Cluster j aus Lösug B mt de meste Vektore aus - Fde Cluster k aus Lösug Amt de meste Vektore aus j - We =k, erhöhe Zähler um Azahl der gemesame Vektore Dstaz = Azahl Vektore - Zähler Illustrato: Lösug A: Lösug B: Gemesame Vektore: a a 2 a 3 a 4 a 5 a 6 a 7 a 8 a 9 a b b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 b = 62 Fole 260 Fole 26 4
5 MSSC Ftess-Dstaz-Korelato Vertelug der k-meas Lösuge: Matchg, FDC: 0.59 Ceter-Dstaz, FDC: 0.66 Geexpressosaalyse mt MA () Clusterug der Expressosdate Mmum-Sum-Of-Squares Clusterg (NP-Hart) Mmerug des Abstades zum Repräsetate ees Clusters MA mt k-meas lokaler Suche Geexpressosutersuchug: - Expresso vo 6565 Gee über 2 Zellzykle (Messug a 7 Zetpukte) - 2 Zetpukte wurde elmert Expressosmuster sd Zetrehe aus 5 Pukte - Varatosflter reduzert Datesatz auf 293 Fole 262 Fole 263 Geexpressosaalyse mt MA (2) Ergebsse Verglech MA-Operatore: Obe: zuvor beschrebee Date, ute: zufällg erzeugte Date mt bekatem Optmum Alg. Ge Nr. LS Iter LS Best Avg. Obj. Error MLS % MA-UX % MA-RX % MA-FM % MA-MM % MLS % MA-UX % MA-RX % MA-FM % MA-MM % Geexpressosaalyse mt MA (3) Ergebsse: Verglech zu efachem k-meas: Zuordug der Gee zu de Cluster stark uterschedlch! Gee MA-Cluster 4 vertele sch auf 5 k-meas -Cluster: (5 Gee), 5(3 Gee), 5(36 Gee), 22(4 Gee), 23(40 Gee) MA k-meas Fole 264 Fole 265 5
Clustering. Clustering:
Clustering Clustering: Gruppierung und Einteilung einer Datenmenge nach ähnlichen Merkmalen Unüberwachte Klassifizierung (Neuronale Netze- Terminologie) Distanzkriterium: Ein Datenvektor ist zu anderen
Mehr9. Clustern und Klassifizieren
03. JULI 2006: BLATT 55 9. Cluster ud Klassfzere 9.. Eletug Uter Klassfkato wrd de Zuordug vordeferter Klassfkatore (etwa sytaktsche Kategore aus eer Grammatk) zu Obekte verstade - userem Fall zu sprachlche
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering 2
Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg 2 Chrstoph Sawade/Nels Ladwehr Tobas Scheffer Überblck Zuletzt: K-meas Mxture of Gaussas Herarchsches Cluster
MehrEinführung Fehlerrechnung
IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate
Mehr19. Amortisierte Analyse
9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering
Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg Matthas Bussas / Nels Ladwehr Tobas Scheffer Motvato 2 Motvato 3 Clusterg Gegebe: Objekte V = { x,...,x } 1 Dstazfukto
MehrRegressionsrechnung und Korrelationsrechnung
Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache
MehrLösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)
Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket
MehrKonzentrationsanalyse
Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher
MehrQuellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes Quellecoderug Durch de Quellecoderug werde de Date aus der Quelle codert, bevor se ee Übertragugskaal übertrage werde De Coderug det der Verkleerug
MehrKorrelations- und Regressionsanalyse
Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable
MehrQuellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug
MehrKlausur SS 2005 Version 1
BEMERKUG: für de Rchtgket der Lösuge wrd atürlch kee Garate überomme!! Klausur SS 005 Verso Aufgabe : e Gamma-Quat hat kee Ladug > el. Felder übe kee Kräfte aus > kee Kräfte, kee Äderug der Bewegug (ewto)
MehrVerdichtete Informationen
Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)
Mehr1. Zufallsbewegung und Binomialverteilung. Statistische Betrachtungsweise bezieht sich stets auf ein Ensemble.
. Zfallsbewegg d Boalvertelg Statstsche Betrachtgswese bezeht sch stets af e Eseble. Eseble: Gesathet eer sehr große Zahl N detscher Systee. Wahrschelchket für das Etrete ees Eregsses A: Brchtel der Systee,
MehrGrundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik
Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert
MehrStatistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.
Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date
MehrEinführung 2. Teil: Fehleranalyse
Phskalsch-chesches Praktku I Modul Eführug. Tel: Fehleraalse Ja Helbg, 7.09.08 Uterlage: htt://www.che.uzh.ch/stud/old/docuets/ear/che3.htl Fehlerrechug Gesucht: wahrer Wert eer Grösse Aber: Sere vo Messuge
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale
MehrEinführung 2. Teil: Fehleranalyse
Phscal Chemstr Phskalsch-chemsches Praktkum I Modul Eführug. Tel: Fehleraalse Ja Helbg, 9.09.06 Uterlage: htt://www.chem.uzh.ch/stud/old/documets/ear/che3.html Fehlerrechug Phscal Chemstr Gesucht: wahrer
MehrPhysikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert
Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m
MehrIm Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.
Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket
Mehrfür j=0,1,...,n Lagrange zur Lösung der Interpolation nicht geeignet, da numerisch problematisch und teuer. 1 n
Aahme: Es gbt zwe Polyome p ud q vom Grad
MehrSchiefe- und Konzentrationsmaße
Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe
MehrFrequently Asked Questions FAQ. Stand: 1. Januar KGAST Immo-Index
Stad: 1. Jauar 217 KGAST Immo-Idex KGAST Immo-Idex-Famle FREQUENTLY ASKED QUESTIONS Was behaltet der KGAST Immo-Idex? De KGAST Immo-Idex-Famle umfasst ee Hauptdex ud dre Subdzes. Der KGAST Immo- Idex als
MehrÜbungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik
Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre
Mehr2.2 Rangkorrelation nach Spearman
. Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable
MehrErzeugen und Testen von Zufallszahlen
Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto
MehrDer Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:
Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )
Mehr3. Das Messergebnis. Was ist ein Messergebnis?
. Das Messergebs Was st e Messergebs? Wederholug der Messug Wahrer Wert? Mehrere Eflussgröße Fehlerbetrachtug Messergebs Vorgeheswese für Messergebs. Bestmmug des bekate systematsche Fehlers 2. Aufahme
Mehr5 Reproduktions- und Grenzwertsätze
Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80
MehrLohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?
Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400
MehrDeskriptive Statistik - Aufgabe 3
Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der
Mehr( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:
Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle
MehrGrundlagen der Entscheidungstheorie
Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve
MehrSchiefe-, Wölbungs- und Konzentrationsmaße
Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse
MehrKapitel XI. Funktionen mit mehreren Variablen
Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge
MehrIntervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.
Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54
Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme
MehrAUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG
Isttut für Eergetechk Professur für Eergespechersysteme AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG Mart Paultschke Dresde, 15. November 2016
MehrSitzplatzreservierungsproblem
tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche
MehrDer Approximationssatz von Weierstraß
Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede
MehrGrundgesetze der BOOLEschen Algebra und Rechenregeln
5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst
MehrSchiefe- und Konzentrationsmaße
Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe
MehrFehlerrechnung im Praktikum
Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
MehrStatistische Kennzahlen für die Streuung
Statstsche Kezahle für de Streuug Ordale Date,..., W X,,..., WX {(j) j,..., J} () < () < < (J) {(),...,(J)} (3) () 3 () Geordete Lste k X (k) () () 3 () Smpso s D ud H() sd awedbar, allerdgs wrd Iformato
MehrPrinzip "Proportional Reduction of Error" (PRE)
Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur
MehrInvestmentfonds Kennzahlen- berechnung
Ivestmetfods Kezahle- berechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 0.0.2007 Ivestmetfods - Kezahleberechug 2 Ivestmetfods - Kezahleberechug Ihalt erformace 4. Berechug der erformace
MehrProbleme mit mehreren Zielen. Probleme mit mehreren Zielen. Probleme mit mehreren Zielen
Probleme mt mehrere Zele Bespel (Dkelbach) E Reseder muss sch vor Ort vo ver Hotels für ees etschede. Dabe verfolgt er folgede Zele: - Bestmöglche Ruhe - Qualtät des Frühstücks - Sauberes Bad - Scherer
Mehr4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern
Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:
Mehr14. Folgen und Reihen, Grenzwerte
4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,
MehrHistogramm / Säulendiagramm
Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre
MehrErinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele
Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
MehrEigenwerteinschließungen I
auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl
Mehr1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen. 1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen
.. Jährlche Retezahluge... Vorschüssge Retezahluge Ausgagspukt: Über ee edlche Zetraum wrd aus eem Kaptal (Retebarwert v, ), das zseszslch agelegt st, jewels zu Beg ees Jahres ee bestmmte Reterate ř gezahlt
Mehr2. Mittelwerte (Lageparameter)
2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde
MehrMaße zur Kennzeichnung der Form einer Verteilung (1)
Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug
Mehr1. StatischeSpielemit vollständiger Information
Dr. Jeaette Brosg, Vorlesug Speltheore. StatscheSpelemt vollstädger Iformato Das Allmede-Problem Hard (968): The Tragedy of the Commos The ratoal herdsma cocludes that the oly sesble course for hm to pursue
Mehr(Markowitz-Portfoliotheorie)
Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug
MehrAsymptotische Normalverteilung nach dem zentralen Grenzwertsatz
Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe
Mehr14. Folgen und Reihen, Grenzwerte
4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Eplzte Defto Reursve Defto 4. Gleder eer vorher deferte Folge bereche E Gled Mehrere Gleder 6 4 5 4.3 Ee Folge defere ud ege hrer
MehrVarianzfortpflanzung
5.0 / SES.5 Parameterschätzug Varazortplazug Torste Maer-Gürr Torste Maer-Gürr Dskrete Zuallsvarable Ee dskrete Zuallsvarable mmt edlch vele oder abzählbar uedlch vele Werte a. - Werte: - Wahrschelchket:,,,,,,,,
Mehr2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:
1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De
MehrUniversitätslehrgang Sports Physiotherapy Einführung in die Statistik
Departmet of Sport Scece ad Kesolog Uverstätslehrgag Sports Phsotherap Eführug de Statstk Gerda Strutzeberger Block I Block Mttwoch 5..0 3:00 bs 4:50 Grudlage, Skaleveau 5:05 bs 7:00 Gütekrtere, Hpothese,
MehrDefinitionen und Aussagen zu Potenzreihen
Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,
MehrLösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes
Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche
Mehr4.3 Statistik des radioaktiven Zerfalls
4.3 Statstk des radoaktve Zerfalls Stchworte: Radoaktvtät, -, -, -Strahlug, Geger-Müller-Zählrohr, Statstk, Posso- ud Gauß-Vertelug, Stadardabwechug, Rehetszahl, statstsche Aalyse. Theoretsche Grudlage
MehrErgebnis- und Ereignisräume
I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt
MehrStatistische Grundlagen Ein kurzer Überblick (diskret)
Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket
MehrMarketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst
Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage
Mehr1.4 Wellenlängenbestimmung mit dem Prismenspektrometer
F Lorbeer ud Ardt Quer 5.0.006 Physkalsches Praktkum für Afäger Tel Gruppe Optk.4 Wellelägebestmmug mt dem Prsmespektrometer I. Vorbemerkug E Prsmespektrometer st e optsches Spektrometer, welches das efallede
MehrOptimierungsverfahren: Motivation. Bayes-Formalismus. Schätztheorie. -- Fehlerfunktion L -- Regularisierungsfunktion R
Optmerugsverfahre: Motvato Bayes-Formalsmus -- egatve log-lkelhoo -- egatver log-pror -- Max. a Posteror! l p( D! l p( + cost = m Schätztheore -- Fehlerfukto L -- Regularserugsfukto R -- F ( = L( +! R(
MehrVerteilungen und Schätzungen
Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse
MehrKlausur Statistik IV Sommersemester 2009
Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar
MehrWenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).
- rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle
Mehr2. Zusammenhangsanalysen: Korrelation und Regression
2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt
MehrInterpolationspolynome
Iterpolatospolyome Ac Gegebe sd +1 Stützstelle x 0 bs x zusamme mt hre Stützwerte y 0 bs y. Durch de Pukte ( x / y ) soll e Polyom p(x) -te Grades gelegt werde : p(x) = a 0 + a 1 x + a 2 x² + + a x = Das
MehrLineare Algebra Formelsammlung
ee Algeb Fomelsmmlug vo Gábo Zogg Fomelsmmlug ee Algeb Gábo Zogg. ee Glechugsssteme. Ds Guss'sche Elmtosvefhe Defto: Σ Sstem vo m Glechuge ud Ubekte Opetoe: - Vetusche vo Glechuge - Addee/Subthee ees Velfche
MehrKonzentrationsmessung
Kozetrtosmessug We telt sch de gesmte Merkmlssumme uf de ezele uf? Auftelug der Gesmtbevölkerug Gemede verschedeer Größeklsse Auftelug des gesmte Steuerufkommes uf de ezele Steuersubekte Auftelug der gesmte
Mehr1.2.2 Prozentrechnung
.2. Verhältsglechuge, Produktglechuge Ee Awedug vo leare Glechuge sd Verhälts- ud Produktglechuge Be Verhältsglechuge st das Verhälts zwsche zwe Varable kostat, z.b. hergestellte Stückzahl zu beötgter
MehrDas Modell der monopolistischen Konkurrenz
Prof. Dr. C.C. vo Wezsäcker Das Modell der mooolstsche Kokurrez De Wrtschaftstheore verfüt über e relatv efaches Modell des Wettbewerbs mt heteroee Güter. Da de meste Märkte solche mt heteroee Güter sd,
MehrEinführung in die Stochastik 3. Übungsblatt
Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte
MehrVarianzanalyse. Varianzanalyse. Varianzanalyse. Varianzanalyse
Varazaalse Zel Überrüfug der Glechhet der Erwartugswerte ees metrsche Mermals zwsche dre oder mehr Utergrue (be Normalvertelug), somt Verallgemeerug des T-Tests, der ur Erwartugswerte zwsche zwe Grue verglecht
Mehr3.7 Support Vector Machines
3.7 Support Vector Maches Motvato: Leare Separato Vektore R d repräsetere Objekte. Objekte gehöre zu geau eer vo je 2 Klasse Klassfkato durch leare Separato: Suche Hperebee de bede Klasse mamal stabl voeader
MehrInvestmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen
Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug
MehrShort Listing für multikriterielle Job-Shop Scheduling-Probleme
Short Lstg für ultkrterelle Job-Shop Schedulg-Problee Dr. Adré Heg, r.z.w.-cdata AG, Zu Hosptalgrabe 2, 99425 Wear, adre.heg@rzw.de 1. Multkrterelle Job-Shop Schedulg-Problee Das Job-Shop Schedulg-Proble,
MehrPreisindex. und. Mengenindex
Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk resdex ud Megedex Übuge Aufgabe ösuge www.f-lere.de resdex 1 De Etwcklug der rese wrd der Öffetlchket
MehrStochastische Bildmodelle und deren Anwendung
Abtelug Stochastk --Uverstät Ulm Ulm Semar: Bayessche Asätze der der Bldaalyse Stochastsche Bldmodelle ud dere Awedug Sad Bakadr 22.Ma 2006 Sad Bakadr - Uverstät Ulm - Ihalt Eletug Bespele vo Bldmodelle
MehrAG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion
AG Kstrut KONTRUKTION Plaetegetrebe (Umlaufgetrebe) rpt TU Berl, AG Kstrut Plaetegetrebe Vrtele Plaetegetrebe: e Achsversatz z.t. sehr grße Über-/Utersetzuge möglch grße Tragraft guter Wrugsgrad Rhlff
MehrStichprobenmodell der linearen Einfachregression
Stchproemodell der leare Efachregresso Stchproemodell der leare Efachregresso Vertelug der Stchproekoeffzete Prof. Kück / Dr. Rcaal Delgado Lehrstuhl Statstk Regresso III lografe: Prof. Dr. Kück verstät
Mehr