Kapitel 12: Bestandsanalyse und Tafelrechnung
|
|
- Erika Kaufman
- vor 5 Jahren
- Abrufe
Transkript
1 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) Prof. Dr. Peter von der Lippe Der folgende Tet ist eine überarbeitete Fassung von Kap. der Formel- und Aufgabensammlung zur Deskriptiven Statistik, erscheinen bei Oldenbourg (ähnlich, wenngleich ausführlicher auch Kap. meines Buches "Deskriptiven Statistik" in der (roten) UTB-Reihe. Er gliedert sich in die folgenden drei Abschnitte. Bestands- und Bewegungsmassen. Kennzahlen der Dynamik eines Bestands 3. Stationäre Bevölkerung und Tafelrechnung Kapitel : Bestandsanalyse und Tafelrechnung. Bestands- und Bewegungsmassen Def..: (Bestandsmasse, Bewegungsmasse, Verweildauer) a) Eine statistische Masse, deren Einheiten (i=,,...,n) jeweils gemeinsam zu einem bestimmten Zeitpunkt t j in einem Bestand (über eine nicht näher bestimmte Dauer) verweilen, heißt Bestandsmasse (engl. stock). Der Umfang der Bestandsmasse zum Zeitpunkt t j heißt Bestand B(t j ) = B j. Er ist zu jedem Zeitpunkt t = t j durch die Bestandsfunktion B(t) gegeben. Die Zeit kann als diskrete (t = t 0, t,...,t j,...,t m ) oder stetige Variable betrachtet werden. b) Eine statistische Masse, deren Einheiten dadurch charakterisiert sind, daß sie zu einem bestimmten Zeitpunkt ihren Zustand ändern (was ein "Ereignis" darstellt), heißt Bewegungsmasse (Ereignismasse, Strgröße, engl. flow). Der Umfang einer Bewegungsmasse ist die Anzahl derartiger Ereignisse in einem gegebenen Zeitraum (Zeitintervall). Zustandsänderung kann insbesondere bedeuten: Zugang zu oder Abgang von einer Bestandsmasse. c) Jede Einheit einer Bewegungsmasse (i=,,...,n) ist durch Zugangszeit (t Zi ) und Abgangszeit (t Ai ) gekennzeichnet. Der Zeitraum zwischen Zu- und Abgangszeit d i = t Ai - t Zi heißt Verweildauer. Methoden der Erhebung von Bestands- und Bewegungsmassen:. Feststellung der Bewegungen (Bewegungsmassen) a) durch individualisierte Erhebung aller Verläufe, d.h. für jede Einheit werden Zugangs- und Abgangszeit festgestellt (= Längsschnittsanalyse oder Verlaufsanalyse); b) laufende Registrierung aller Bestandsveränderungen und Auswertung der über ein Beobachtungsintervall (von t o bis t j ) kumulierten Zugänge (Z 0 ) und Abgänge (A 0 ), d. h. der Bruttoströme. c) Feststellung der Bestandsveränderungen (d.h. der Salden- oder Nettoströme Z 0 -A 0 ).. Feststellung der Bestände (Bestandsmassen) a) durch periodische Inventuren (Zählen oder Messen) b) durch Fortschreibung für das Intervall [t o,t j ]: (.) B j = B 0 + Z 0j -A 0j (j = 0,,..., m) In Gl.. ist B 0 der Anfangsbestand, B 0j der Bestand zum Zeitpunkt t 0j, Z 0j die Anzahl der Zugänge und A 0j die Anzahl der Abgänge im Beobachtungsintervall [t 0, t ].
2 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) c) Bei Kenntnis sämtlicher individueller Verläufe (wie in a), also bei Längsschnittdaten, ist der Bestand zu jedem beliebigen Zeitpunkt bekannt. Unter Querschnittsanalysen versteht man die Kbination b + a und unter Längsschnittsanalysen die Kbination a + c. Beckersches Diagramm, Bestandsfunktion und Zeitmengenfläche. Beckersches Diagramm: Eine graphische Darstellung der individuellen Verläufe ist das Beckersche Diagramm (Abb.. für das Beispiel.).. Bestandsfunktion: Es ist leicht zu sehen, wie aus dem Beckerschen Diagramm (oberer Teil von Abb..) die Bestandsfunktion B(t) (t stetig) herzuleiten ist. Mit jedem Zugang (Abgang) einer Einheit erhöht (verringert) sich die Bestandsfunktion um. 3. Zeitmengenfläche: Die schraffierte Fläche unter der Bestandsfunktion heißt Zeitmengenfläche F, oder genauer F wenn die Fläche "über" dem Intervall [t o,t m ] betrachtet wird. Zahlenbeispiel Zugang Zeitpunkt Abb.. Beckersches Diagramm und Bestandsfunktion (Bsp.) Abgang A B C D E Def..3: (offene-, geschlossene Masse) Eine Bestandsmasse heißt geschlossen bezüglich des Zeitintervalls [t 0,t m ], wenn keine ihrer Einheiten vor t 0 zugegangen ist und nach t m abgeht (endgültig aus dem Bestand ausscheidet). Es gilt folglich (speziell bei einer [beidseitig] geschlossenen Masse). B(0) = B(m) = 0. Z 0m = A 0m (alle Zugänge gehen auch wieder ab) 3. F 0m = Σd i (Zeitmengenfläche = Verweilsumme) Eine Masse, die nicht beidseitig geschlossen ist, heißt offene Masse. Man kann auch halbseitig und vgl. Original des Tetes (Lehrbuch im Oldenbourg Verlag), bzw. Demonstrationsbeispiel der Vorlesung.
3 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) 3 beidseitig offene Massen unterscheiden.. Kennzahlen der Dynamik eines Bestands. Übersicht Übers..: Kennzahlen zur Beschreibung der Bestandsentwicklung Zeitmengenfläche F 0m (Personenstunden) Zeitdimension [horizontal] Anzahldimension (Bestand) [vertikal] Division durch die Anzahl N 0m * (Bilanzsumme, Anzahl der Ein- und Austritts-fälle) Division durch die Länge m des Intervalls von t 0 bis t m liefert die/den durchschnittliche Verweildauer d (Stunden) Durchschnittsbestand B (Personen) U = Umschlagshäufigkeit dimensionslos, weil Verhältnis von zwei Zeitintervallen m und d bzw. von zwei Anzahlen N 0m und B *) Die Anzahl N = N ist eine Anzahl von Fällen, nicht notwendig gleich der Anzahl n von Personen (Einheiten) die ein- und ausgetreten (zu- und abgegangen) sind.. Kennzahlen bei Kenntnis der individuellen Verläufe (Längsschnittsdaten) Def..4: (Durchschnittsbestand) Def..5: (durchschnittliche Verweildauer (.3) B F = d i m (.4) d = ; und N F (.4a) d N * folgt unmittelbar aus Gl..3 und.4 = bei geschlossenen Massen Def..5: (Umschlagshäufigkeit) (.5) U = m d (.5a) U = N * B. Kennzahlen bei einer offenen Masse Für die Definition des Durchschnittsbestands gilt weiterhin Gl..3, die auch zur Berechnung von B herangezogen werden kann. Es ist aber nicht mehr von Σd i = F 0m auszugehen. Vielmehr ist F 0m
4 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) 4 zu korrigieren um die Zeiten, welche die B o Einheiten des Anfangsbestands vor to bereits dem Bestand angehört hatten und die Zeiten welche die B m Einheiten des Endbestands nach dem Ende des Beobachtungsintervalls, also nach t m dem Bestand noch angehören werden. In diesem Sinne spricht man von Aufbauzeiten und Abbauzeiten und es ist davon auszugehen, daß für die Zeiten vor t o und nach t m keine Daten vorliegen, so daß die Auf- und Abbauzeiten nur geschätzt werden können. Die Verweilsumme ist unter diesen Voraussetzungen zu schätzen mit Gl..6. Hierin ist B 0, bzw. B m der Anfangs-, bzw. der Endbestand; d o ist die mittlere Auf-bauzeit [d.h. die mittlere Verweildauer der B o Einheiten vor t o ] und d m die mittlere Ab-bauzeit [mittlere restliche Verbleibdauer nach t m im Bestand]. Für die durchschnittliche Verweildauer gilt dann Gl..8, woraus dann unter bestimmten weiteren Voraussetzungen Gl.. und. folgen: Geschätzte Verweilsumme G 0m (durch Ergänzungen zur Zeitmengenfläche F( 0m ) durchschnittliche Verweildauer (.6) G = Bod o + F + Bmd m (.8) d = G N.3 Kennzahlen bei Querschnittsdaten.3.. Übersicht Übersicht.: Schätzprobleme bei den Kennzahlen Daten / Masse. Längsschnitt a) geschlossen b) offen. Querschnittsdaten Zeitmengenfläche F und damit Schätzung des Durchschnittsbestands F kein Problem, da Bestandsfunktion B(t) für jedes t bekannt zu schätzen mit Gl..0, da B(t) nur zu bestimmten Zeitpunkten bekannt ist Verweilsumme Σd i und damit Schätzung der durchschnittlichen Verweildauer a) Σd i identisch mit F b) Σd i aus F zu schätzen mit Gl..6 Übergang von F zu G wie im Fall b, Annahmen über Auf- und Abbauzeiten nötig.3.. Zeitmengenfläche und Durchschnittsbestand Wenn die Bestandsänderungen ausschließlich genau zu den Beobachtungszeitpunkten t j (j=,,...,m) stattfinden, dann ist die Zeitmengenfläche gegeben durch Gl..9. : Sind die Beobachtungszeitpunkte t j (mit j =,,...,m) äquidistant, so daß t j -t j- = (für alle j) und t m -t o = m, so gilt Gl..0, woraus dann B mit Gl..3 zu errechnen ist: (.0) F = B + B+ K+ B + B j (.9) F = B j ( t j t j ).3.3. Durchschnittliche Verweildauer und Umschlagshäufigkeit o m m Es ist analog zu Gl..6 vorzugehen, d.h. G ist die geeignete Schätzung von Σd i. Es sind jetzt Annahmen über die mittlere Aufbau- (d o ) und Abbauzeit (d m ) nötig. üblich ist die Annahme d = δ o d und d = ( δ ) d mit 0 < δ < m
5 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) 5 Eingesetzt in (.6) liefert das Gl.. und für die sehr verbreitete Annahme δ = ½ die sehr bekannte Formel von Gl..: Geschätzte durchschnittliche Verweildauer bei offener Masse (.) d = δ Z F + ( δ ) A 3. Stationäre Bevölkerung und Tafelrechnung Spezielle Annahme δ= ½ für die durchschnittliche Auf- und Abbauzeit (.) d = Z Def..7: (Kohorte, Abgangsordnung, stationäre Bevölkerung) mb + A a) Eine Zugangskohorte oder einfach Kohorte ist die Gesamtheit der gleichzeitig (zum gleichen Zeitpunkt t j, bzw. im gleichen Intervall geringer Länge [t j-,t j ]) zugehenden Einheiten. Der Umfang dieser Masse, d.h. die Anzahl der zugehenden Einheiten ist l o. b) Die Abgangsordnung l (wobei = 0,,..., ω das Alter, d.h. die Anzahl der vollendeten Jahre ist) ist die Anzahl der Überlebenden des Alters. Es ist der Restbestand einer Geburtskohorte des Umfangs l o nach Vollendung von Jahren. c) Bei einer stationären Bevölkerung (Sterbetafelbevölkerung) wird jede Kohorte (jeder Geburtsjahrgang) in jedem aufeinanderfolgenden Intervall (in allen folgenden Jahren) durch eine gleich große Kohorte (so daß Z j-,j o für alle j) mit gleicher Abgangsordnung (d.h. gleicher "Struktur" ersetzt so daß l nicht von j sondern nur von abhängig ist. Es wird im Modell von Wachstum und Strukturveränderung abstrahiert. d) Bei einer stabilen Bevölkerung wird jede Kohorte durch eine λ fache Kohorte ersetzt, so daß gilt: Z 0 o, Z = λl o Z 3 = λ l o... (also weiter keine Strukturveränderung aber es ist Wachstum in der einfachsten Form [mit konstanter Wachstumsrate λ ] zugelassen). Def..8 (Tafelfunktionen q, p, l, L ): a) Die einjährige Sterbewahrscheinlichkeit q der -jährigen ist die (bedingte) Wahrscheinlichkeit dafür, daß eine Person, die das Alter von erreicht hat, das Alter von + nicht mehr erreichen wird (mit = 0,,...,w für das Alter in vollendeten Jahren). b) Die einjährige Überlebenswahrscheinlichkeit p ist demzufolge p = - q ; p ist eine bedingte Wahrscheinlichkeit. c) Sämtliche Sterbetafelfunktionen sind allein Funktionen des Alters und sie sind mit der Folge der Sterbewahrscheinlichkeiten q und dem willkürlich gewählten Anfangsbestand (Geburten) l o eindeutig gegeben: die Absterbeordnung l ist ausgehend von einem fiktiven Anfangsbestand von l o = Personen rekursiv zu berechnen mit (.8) l + p ( q ). Entsprechend ist die Anzahl d der im Altersintervall (,+) gestorbenen Personen (.9) d q l + 0. d) Mit L wird die Anzahl der von allen Überlebenden -jährigen Personen bis zum Alter + durchlebten Jahre (die Anzahl der im Intervall (,+) verlebten Personenjahre) bezeichnet.
6 Peter von der Lippe: Download zur Vorlesung Wirtschaftsstatistik (Kapitel Bestandsanalyse) 6 = + + (.0) L ( l l ). Man kann die Größe L als Zeitmengenfläche interpretieren und auch als Mittelwert von l + Personen, die noch Jahr leben werden und d + l + Personen, die noch / Jahr leben werden, denn ( l l ) + l = ( l + l ) Def..9: (Tafelfunktionen T, e ) a) Die Tafelfunktion T, die Zahl der von den Überlebenden des Alters noch zu durchlebenden Jahre ist die Summe der Größen L, L +, L +,...,L w. w (.4) T = L y y w. y= * (.5) T y * = l = T + l w y= Die Größen T und T * sind Verweilsummen; Maßeinheit: "Personenjahre". b) Dividiert man T bzw. T * durch die Anzahl der Überlebenden des Alters, also durch l, so erhält man mit (.6) e * T T * = = = e l l die (mittlere, durchschnittliche weitere) Lebenserwartung einer -jährigen Person (spricht man von "der" Lebenserwartung, so ist e o gemeint). Beispiel einer Klausuraufgabe [Rechenaufgabe nicht Multiple ChoiceAufgabe] a) Bei einer Sterbetafelbevölkerung gelte fürdie einjährige Sterbewahrscheinlichkeit von Frauen w q = 00 ( = Alter = Anzahl der vollendeten Lebensjahre, = 0,,...99) Aus der Gestalt der Abgangsordnung ergibt sich, daß hier der folgende Spezialfall einer Abgangsordnung vorliegt: Dabei ist die Anzahl der jedes Jahr (im Alter = 0,,...) gestorbenen Frauen d = b) bei welcher der beiden Absterbeordnungen ist die Lebenserwartung größer? Absterbeordnung Absterbeordnung = 0 l 0 = 50 = 0 l 0 = 00 = l = 40 = l = 60 = l = 30 = l = 40 = 3 l 3 = 0 = 3 l 3 = 0 und wie groß ist e 0 in den beiden Fällen?
Kapitel 12: Bestandsanalyse und Tafelrechnung
Kapitel 12: Bestandsanalyse und Tafelrechnung 1. Bestands- und Bewegungsmassen... 437 a) Definitionen... 437 b) Beckersches Diagramm, Bestandsfunktion und Zeitmengenfläche 441 c) Offene und geschlossene
MehrKompaktskript zur Vorlesung Einführung in die Bevölkerungs- und Wirtschaftsstatistik Teil I - Bevölkerungsstatistik
Kompaktskript zur Vorlesung Einführung in die Bevölkerungs- und Wirtschaftsstatistik Teil I - Bevölkerungsstatistik Friedrich-Schiller-Universität Jena Wirtschaftswissenschaftliche Fakultät Lehrstuhl für
MehrSTATISTISCHES LANDESAMT 2010/12. Statistik nutzen. A II - j/12 : A :
STATISTISCHES LANDESAMT 2015 Statistik nutzen 2010/12 A II - j/12 : A2033 201200 : 1430-5054 Zeichenerklärungen x Alter q x Sterbewahrscheinlichkeit vom Alter x bis x+1 p x Überlebenswahrscheinlichkeit
MehrSTATISTISCHES LANDESAMT 2012/14. Statistik nutzen. A II - j/14 : A :
STATISTISCHES LANDESAMT 2016 Statistik nutzen 2012/14 A II - j/14 : A2033 201400 : 1430-5054 Zeichenerklärungen x Alter q x Sterbewahrscheinlichkeit vom Alter x bis x+1 p x Überlebenswahrscheinlichkeit
MehrSTATISTISCHES LANDESAMT 2013/15. Statistik nutzen. A II - j/15 : A :
STATISTISCHES LANDESAMT 2016 Statistik nutzen 2013/15 A II - j/15 : A2033 201500 : 1430-5054 Zeichenerklärungen x Alter q x Sterbewahrscheinlichkeit vom Alter x bis x+1 p x Überlebenswahrscheinlichkeit
MehrPeriodensterbetafeln für Deutschland
Statistisches Bundesamt Periodensterbetafeln für Deutschland Früheres Bundesgebiet, neue Länder sowie die Bundesländer 2009/2011 Erscheinungsfolge: jährlich Erschienen am 30. Oktober 2012, Seiten 6 + 8
MehrPeriodensterbetafeln für Deutschland
Statistisches Bundesamt Periodensterbetafeln für Deutschland Allgemeine Sterbetafeln, abgekürzte Sterbetafeln und Sterbetafeln 1871/1881 bis 2008/2010 Erscheinungsfolge: jährlich Erschienen am 14. Mai
MehrGrundbegriffe. Bibliografie
Grundbegriffe Statistische Einheit und statistische Masse Gesamtheit, Teilgesamtheit, Stichprobe Bestands- und Bewegungsmassen Grundbegriffe I 1 Bibliografie Prof. Dr. Kück; Universität Rostock; Statistik,
MehrKapitel II - Grundbegriffe
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Grundbegriffe Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Agenda 1 Statistische
MehrTEIL I: KINEMATIK. 1 Eindimensionale Bewegung. 1.1 Bewegungsfunktion und s-t-diagramm
TEIL I: KINEMATIK Unter Kinematik versteht man die pure Beschreibung der Bewegung eines Körpers (oder eines Systems aus mehreren Körpern), ohne nach den Ursachen dieser Bewegung zu fragen. Letzteres wird
MehrDeskripitve Statistik Kapitel II - Grundbegriffe
Deskripitve Statistik Kapitel II - Grundbegriffe Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 23, 2006 Agenda 1. Statistische Erhebung - Grundsätzliche Überlegungen
Mehr/2011 A II A
2012 2009/2011 A II A2033 201100 Inhalt Seite Vorbemerkungen 3 Schaubild Sterbewahrscheinlichkeit 2009/2011. 8 Tabellen Abgekürzte Sterbetafel 2009/2011 4 Lebenserwartung 1949/1951 2009/2011... 8 2 Vorbemerkungen
Mehr/2009 A II A
2010 2007/2009 A II A2033 200900 Inhalt Seite Vorbemerkungen 3 Schaubild Sterbewahrscheinlichkeit 2007/2009. 8 Tabellen Abgekürzte Sterbetafel 2007/2009 4 Lebenserwartung 1949/1951 2007/2009.. 8 2 Vorbemerkungen
Mehr[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.
13 Zeitreihenanalyse 1 Kapitel 13: Zeitreihenanalyse A: Übungsaufgaben: [ 1 ] 1 a a) Nach der Formel x t+i berechnet man einen ein f achen gleitenden Durchschnitt. 2a + 1 i= a b) Die Residuale berechnet
Mehr2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.
Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist
Mehr13 Grenzwertsätze Das Gesetz der großen Zahlen
13 Grenzwertsätze 13.1 Das Gesetz der großen Zahlen Der Erwartungswert einer zufälligen Variablen X ist in der Praxis meist nicht bekannt. Um ihn zu bestimmen, sammelt man Beobachtungen X 1,X 2,...,X n
MehrKennziffern der Heiratsintensität
Bernd Weiß 24. Oktober 2002 Systematik demographischer Maße Struktur- oder Zustandsmaße dienen zur Beschreibung der Bevölkerungsstruktur. Ereignismaße hingegen erfassen Bevölkerungsbewegungen. 1 Strukturmaße
MehrAbgekürzte Sterbetafel 2006/2008
Kennziffer: A II September 2009 Bestellnr.: A 2033 200800 Abgekürzte Sterbetafel 2006/2008 Lebenserwartung bei der Geburt 1949/51 2006/2008 90 80 70 60 50 40 30 20 10 0 1949/1951 1960/1962 1970/1972 1986/1988
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrSterbetafeln 2014/2016. Statistisches Bundesamt. Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer
Statistisches Bundesamt Sterbetafeln Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2014/2016 Erscheinungsfolge: jährlich Erschienen am 26. März 2018
MehrSterbetafeln 2013/2015. Statistisches Bundesamt. Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer
Statistisches Bundesamt Sterbetafeln Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2013/2015 Erscheinungsfolge: jährlich Erschienen am 20. Oktober
MehrSterbetafeln 2015/2017. Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer. Statistisches Bundesamt
wissen.nutzen. Statistisches Bundesamt Sterbetafeln Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2015/2017 Erscheinungsfolge: jährlich Erschienen
MehrSterbetafeln 2012/2014. Statistisches Bundesamt. Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer
Statistisches Bundesamt Sterbetafeln Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2012/2014 Erscheinungsfolge: jährlich Erschienen am 04. März 2016,
MehrSTATISTISCHE BERICHTE
Herausgeber: Statistisches Landesamt Rheinland-Pfalz STATISTISCHE BERICHTE Mainzer Straße 14-16 56130 Bad Ems Telefon 02603 71-0 Telefax 02603 71-3150 E-Mail poststelle@statistik.rlp.de Internet www.statistik.rlp.de
MehrVersicherungstechnik
Operations Research und Wirtschaftsinformatik Prof. Dr. P. Recht // Marius Radermacher, M.Sc. DOOR Aufgabe 9 Versicherungstechnik Übungsblatt 3 Abgabe bis Dienstag, dem 08.11.2016 um 10 Uhr im Kasten 19
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
Mehr5 Elektronengas-Modell und Polyene
5.1 Übersicht und Lernziele Übersicht Im vorherigen Kapitel haben Sie gelernt, das Elektronengas-Modell am Beispiel der Cyanin-Farbstoffe anzuwenden. Sie konnten überprüfen, dass die Berechnungen für die
Mehr9. Sterbestatistiken. Dr. Felix Heinzl. Dr. Felix Heinzl (Bay. Landesamt für Statistik) Wirtschafts- und Sozialstatistik 1 / 26
9 Sterbestatistiken Dr Felix Heinzl Dr Felix Heinzl (Bay Landesamt für Statistik) Wirtschafts- und Sozialstatistik 1 / 26 9 Sterbestatistiken 91 Sterberaten Sterberaten Rohe Sterberate: Altersspezifische
MehrVerhältniszahlen. 0.1 Gliederungszahlen. 0.2 Beziehungszahlen
Verhältniszahlen Denition 01 Eine Verhältniszahl ist der Quotient zweier Zahlen, die in einem sachlogischen Verhältnis stehen Verhältniszahlen werden unterteilt in: Gliederungszahlen Beziehungszahlen Messzahlen
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
Mehr1.5.4 Quantile und Modi. Bem [Quantil, Modus]
1.5.4 Quantile und Modi 1.5 Erwartungswert und Varianz Bem. 1.73. [Quantil, Modus] und Vertei- Analog zu Statistik I kann man auch Quantile und Modi definieren. Gegeben sei eine Zufallsvariable X mit Wahrscheinlichkeitsverteilung
MehrÜbungsblatt Einführung in die Demographie WS 2015/16 Abgabe bis zum in der Übung!
Übungsblatt Einführung in die Demographie WS 2015/16 Abgabe bis zum 07.01.2016 in der Übung! 1. Ihnen sind folgende fiktive Daten einer Bevölkerung bekannt: Bestand im exakten Alter 50 des Geburtsjahrgang
MehrKapitel 5 Erneuerungs- und Semi-Markov-Prozesse
Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Definition: Erneuerungsprozess Sei {T n, n N} eine Folge unabhängiger, nichtnegativer Zufallsvariablen mit Verteilungsfunktion F, mit F () < 1. Dann heißt
MehrDemographie und Fußball
Demographie und Fußball Eike Emrich 1, Werner Pitsch & Christian Rullang Einleitung Die Bevölkerung Deutschlands wird sich in den kommenden Jahrzehnten nach der 12. koordinierten Bevölkerungsvorausberechnung
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
MehrLebensversicherungsmathematik (Vorlesungsprüfung) 28. September 2016 Univ.Prof. Rheinländer
Name: Mat.Nr.: Bitte keinen Rotstift verwenden! Lebensversicherungsmathematik (Vorlesungsprüfung) 28. September 2016 Univ.Prof. Rheinländer Dauer: 90 Minuten Unterlagen: ein beidseitig handbeschriebener
MehrStatistik für Wirtschaftswissenschaftler
Ulrich Erhard Rainer Fischbach Hans Weiler Statistik für Wirtschaftswissenschaftler - anwendungsorientierte Einführung in die Betriebsstatistik - verlag moderne industrie Inhaltsverzeichnis Vorwort 1.
MehrLebensversicherungsmathematik (Vorlesungsprüfung) 26.Februar 2018 Univ.Prof. Rheinländer
Name: Mat.Nr.: Bitte keinen Rotstift verwenden! Lebensversicherungsmathematik (Vorlesungsprüfung) 26.Februar 2018 Univ.Prof. Rheinländer Dauer: 90 Minuten Unterlagen: ein beidseitig handbeschriebener A4-Zettel
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrTheoretische Biophysik - Statistische Physik
Theoretische Biophysik - Statistische Physik 3. Vorlesung Pawel Romanczuk Wintersemester 2018 http://lab.romanczuk.de/teaching/ 1 Zusammenfassung letzte VL Einstieg in die Wahrscheinlichkeitstheorie Axiomatische
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
Mehr11. Darstellung von Kurven und Flächen
H.J. Oberle Approximation WS 23/4. Darstellung von Kurven und Flächen Bézier Kurven. Unser Ziel ist es, polynomiale Kurven auf dem Rechner möglichst effizient darzustellen. Hierzu nutzen wir die Basisdarstellung
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
Mehr1-D photonische Kristalle
1-D photonische Kristalle Berechnung der Dispersionsrelation und der Zustandsdichte für elektromagnetische Wellen Antonius Dorda 15.03.09 Inhaltsverzeichnis 1 Einleitung 2 2 Herleitung der Relationen 2
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrArithmetische Folgen 1-E. Ma 1 Lubov Vassilevskaya
Arithmetische Folgen 1-E Arithmetische Folge Definition 1: Eine Folge heißt arithmetische Folge, wenn es eine Konstante d gibt, so dass für alle Folgenglieder gilt: +1 = + d +1 = d Definition 2: Eine Folge
MehrÜbungsaufgaben, Statistik 1
Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrLebensversicherungsmathematik (Vorlesungsprüfung) 28. Jänner 2016 Univ.Prof. Rheinländer
Name: Mat.Nr.: Bitte keinen Rotstift verwenden! Lebensversicherungsmathematik (Vorlesungsprüfung) 28. Jänner 2016 Univ.Prof. Rheinländer Dauer: 90 Minuten Unterlagen: ein beidseitig handbeschriebener A4-Zettel
MehrKapitel 8 Einführung der Integralrechnung über Flächenmaße
8. Flächenmaße 8.1 Flächenmaßfunktionen zu nicht negativen Randfunktionen Wir wenden uns einem auf den ersten Blick neuen Thema zu, der Ermittlung des Flächenmaßes A von Flächen A, die vom nicht unterhalb
MehrWahrscheinlichkeitsrechnung und Statistik
3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrStatistik. ist damit unter anderem die Zusammenfassung bestimmter Methoden, um empirische Daten zu analysieren. Projektmanagement
Technischer Betriebswirt VIII die Lehre von Methoden zum Umgang mit quantitativen Informationen (Daten). Möglichkeit, eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen.
MehrANALYSIS I FÜR TPH WS 2016/17 3. Übung Übersicht
ANALYSIS I FÜR TPH WS 206/7 3. Übung Übersicht Aufgaben zu Kapitel 5 und 6 Aufgabe : Untersuchung von Reihen mittels Konvergenzkriterien Aufgabe 2: Konvergenz und Berechnung von Reihen I Aufgabe 3: ( )
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrKAPITEL 1. Martingale
KAPITEL 1 Martingale 1.1. Stochastische Prozesse Sei (Ω, F, P) ein Wahrscheinlichkeitsraum. Das heißt, Ω ist eine Menge, F ist eine σ-algebra auf Ω, und P ein Wahrscheinlichkeitsmaß auf (Ω, F ). Zuerst
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
MehrDemographie: Vergangenheit, Gegenwart und Zukunft
Demographie: Vergangenheit, Gegenwart und Zukunft Michel Truong Nhu Seminarvortrag am Institut für Statistik, LMU München Betreuer Prof. Dr. Thomas Augustin 13.Dezember 2011 Gliederung 0. Einführung 1.
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrDie Altersstruktur einer Zuwanderungspopulation B(Z) im Vergleich mit einer stationären einheimischen Bevölkerung
2.2.2. Die Altersstruktur einer Zuwanderungspopulation B(Z) im Vergleich mit einer stationären einheimischen Bevölkerung Um die Besonderheiten der Altersstruktur in einer Population B bei realitätsnahen
MehrDemographie I Demographische Prozesse
Demographie I Demographische Prozesse Andreas Behr 1 / 28 Inhaltsverzeichnis Einleitung 1 Einleitung 2 3 4 2 / 28 Literatur Einleitung Grundlegend Andreas Behr und Götz Rohwer, Wirtschafts- und Bevölkerungssatistik,
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrDas Paket population_model, enthält Modelle, die es ermöglichen nach der Kohorten Komponenten Methode Bevölkerungsprognosen zu erstellen.
Bevölkerungsmodell 1. Versionsgeschichte: Version 1.0 2. Aufgabenstellung für das Modell (a) Modellzweck Das Paket population_model, enthält Modelle, die es ermöglichen nach der Kohorten Komponenten Methode
MehrTeil 2. Hier: Verwendung von Methoden aus der Analysis. Wachstumsrate, Wachstumsgeschwindigkeit Differenzialgleichung. Auch mit CAS-Einsatz
Themenheft Exponentielles Wachstum Teil 2 Hier: Verwendung von Methoden aus der Analysis. Wachstumsrate, Wachstumsgeschwindigkeit Differenzialgleichung Auch mit CAS-Einsatz Datei Nr. 45810 Stand 23. Februar
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrÜbungsblatt 5 - Lösungen Z-Aufgaben
Aufgabe 1: Übungsblatt 5 - Lösungen Z-Aufgaben a) Das nominale BIP gibt die Wertschöpfung in der BRD in aktuellen Marktpreisen an. Das bedeutet bei gleichbleibender Warenproduktion und Inflation von 3%,
MehrZentralübung Diskrete Wahrscheinlichkeitstheorie (zur Vorlesung Prof. Esparza)
SS 2013 Zentralübung Diskrete Wahrscheinlichkeitstheorie (zur Vorlesung Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ss/dwt/uebung/ 10. Mai 2013
MehrIn den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
MehrModelle und Anwendungsgebiete der Demographie (Kurs 1)
Master of Science (MSc) Sozioökonomie Wintersemester 2018/19 Modelle und Anwendungsgebiete der Demographie (Kurs 1) Dozent: Dr. Marc Luy 30.10.2018 Ereignisraten als Grundlage demographischer Kennziffern
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrIII. Grundlagen der Lebensversicherungsmathematik III.3. Grundlagen der Theorie der Personengesamtheiten
III. Grundlagen der Lebensversicherungsmathematik III.3. Grundlagen der Theorie der Personengesamtheiten Universität Basel Herbstsemester 2015 Dr. Ruprecht Witzel ruprecht.witzel@aktuariat-witzel.ch www.aktuariat-witzel.ch
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
Mehr67 Zufallsvariable, Erwartungswert, Varianz
67 Zufallsvariable, Erwartungswert, Varianz 67.1 Motivation Oft möchte man dem Resultat eines Zufallsexperiments eine reelle Zahl zuordnen. Der Gewinn bei einem Glücksspiel ist ein Beispiel hierfür. In
MehrPaare und Kartesische Produkte
Paare und Kartesische Produkte Aufgabe 1. Stellen Sie das Tripel (a, b, c) als Paar und als Menge dar. Hinweis: Verwenden Sie Farben. Lösung von Aufgabe 1. (a, b, c) = ((a, b), c) Paar Darstellung (a,
Mehr10 Transformation von Zufallsvariablen
10 Transformation von Zufallsvariablen Sei X : Ω R eine Zufallsvariable mit Verteilungsfunktion F X (x) = P(X < x). Wir betrachten eine Funktion g: R R und sei Zufallsvariable Y : Ω R mit Y = g(x). Y :
MehrLösungen zu Übungsblatt 10 Höhere Mathematik Master KI Diskrete Zufallsgrößen/Markov-Ketten
Lösungen zu Übungsblatt 0 Höhere Mathematik Master KI Hinweise: Die Aufgaben - beziehen sich auf das Thema Diskrete Zufallsgrößen, Ihre Verteilungen und Erwartungswerte. Siehe dazu auch das auf der Homepage
Mehrx p 2 (x )dx, Hinweis: es ist nicht erforderlich, zu integrieren!
Aufgabe T- Gegeben seien zwei normalverteilte Zufallsvariablen X N(µ, σ) 2 und X 2 N(µ 2, σ2) 2 mit pdf p (x) bzw. p 2 (x). Bestimmen Sie x (als Funktion der µ i, σ i, sodass x p (x )dx = + x p 2 (x )dx,
MehrNotgepäck Genauigkeit
Notgepäck Genauigkeit Beat Hulliger Dienst Statistische Methoden, Bundesamt für Statistik 20.4.2006 1 Was ist Genauigkeit genau? Um zu beschreiben, was Genauigkeit in der Statistik ist, müssen wir untersuchen,
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
Mehr