Mehrgleichungsmodelle
|
|
- Nadine Gehrig
- vor 8 Jahren
- Abrufe
Transkript
1 Mehrgleichungsmodelle Stichwörter: Typen von Mehrgleichungsmodellen multivariates Regressionsmodell seemingly unrelated Modell interdependentes Modell Schätzen der Parameter Bestimmtheitsmass Spezifikationstests o1-19.tex/0
2 Mehrgleichungsmodelle 1. Mehrgleichungsmodelle mit (gemeinsamen) fixen Regressoren (multivariates Regressionsmodell) Nachfrage nach Gütern durch Haushalte capital asset pricing model Modell für Investitionen von Unternehmen von Grunfeld- Griliches 2. Mehrgleichungsmodelle mit stochastischen (endogenen) Regressoren (simultaneous equation model, interdependente Modelle) Marktmodell Klein s Modell o1-19.tex/1
3 Beispiel: Investitionsmodell nach Grunfeld (1958), Grunfeld & Griliches (1958) I it = β 1 + β 2 F it + β 3 C it + u it mit I t : Investitionen (gross investment), F t : Marktwert des Unternehmens am Ende der Vorperiode, C t : Anlagenwert des Unternehmens am Ende der Vorperiode Daten für fünf Unternehmen (i = 1,..., 5) o1-19.tex/2
4 Ein multivariates Regressionsmodell seemingly unrelated regression (SUR) model, Modell scheinbar unverbundener Gleichungen Y 1t Y 2t = x 1tβ 1 + u 1t, u 1t IID(0, σ 2 1), t = 1,..., n = x 2tβ 2 + u 2t, u 2t IID(0, σ 2 2), t = 1,..., n Regressoren identisch, Spaltenzahl k unterschiedlich, Spaltenzahl k i, i = 1, 2 Störgrößen unabhängig: Cov{u it, u jt } = 0 für alle i, j, t, t Abhängigkeit zwischen u 1t und u 2t (t = 1,..., n): Cov{u 1t, u 2t } = E{u 1t, u 2t } = σ 12 (contemporaneous covariance), aber Cov{u 1t, u 2t } = 0 (t t ) und Cov{u it, u it } = 0 (t t ) für i = 1, 2 Wir schreiben mit u t = (u 1t, u 2t ) E{u t u t} = Var{u t } = Σ = σ2 1 σ 12 σ 12 σ2 2 o1-19.tex/3
5 m Gleichungen i-te Gleichung Matrixnotation mit n-vektoren y i, u i, und n k i -Matrix X i, i = 1,..., m mit Var{u i } = σ 2 i I n y i = X i β i + u i gemeinsame Darstellung der m Gleichungen ȳ = vec(y ) = y 1. y m ist ein mn-vektor; analog mn-vektor ū = vec(u) und K-Vektor β = vec(b) mit K = i k i mit X: (mn K)-Matrix und X = ȳ = Xβ + ū X X X m V = Var{ū} = Σ I n o1-19.tex/4
6 Das Kronecker-Produkt Definition A = a a 1m a nm a n1, B = b b 1q b pq b p1 A B = a 11 B... a 1m B..... a n1 B... a nm B = a 11 b a 1m b 1q..... a n1 b p1... a nm b pq mit Ordnung np mq. Eigenschaften: A 1, A 2 : n m, B 1, B 2 : p q 1. A 1 B 1 + A 2 B 1 = (A 1 + A 2 ) B 1 A 1 B 1 + A 1 B 2 = A 1 (B 1 + B 2 ) 2. k(a 1 B 1 ) = ka 1 B 1 = A 1 (kb 1 ) 3. (A 1 B 1 )(A 2 B 2) = A 1 A 2 B 1 B 2 4. Sp(A 1 B 1 ) = Sp(A 1 ) Sp(B 1 ) 5. (A 1 B 1 ) 1 = A 1 1 B 1 1, wenn m = n, p = q und A 1,B 1 invertierbar o1-19.tex/5
7 OLS- und GLS-Schätzung von B Als OLS-Schätzer für β i aus der i-ten Gleichung y i = X i β i + u i ergibt sich für i = 1,..., m ˆβ i = (X ix i ) 1 X iy i mit ˆβ i berücksichtigt nicht Σ! Var{ ˆβ i } = σ 2 i (X ix i ) 1 Alternativ ergibt sich aus ȳ = Xβ + ū der GLS-Schätzer β = [ X V 1 1 X] X V 1 ȳ = [ X (Σ 1 I) X] 1 X [ X (Σ 1 I) X] 1 ȳ = σ 11 X 1X 1 σ 12 X 1X 2... σ 1m X 1X m σ 21 X 2X 1 σ 22 X 2X 2... σ 2m X 2X m σ m1 X mx 1 σ m2 X mx 2... σ mm X mx m 1 i σ 1i X 1y i i σ 2i X 2y i. i σ mi X my i Standardfehler von β aus Var{ β} = [ X (Σ 1 I) X] 1 o1-19.tex/6
8 Vergleich von OLS- und GLS-Schätzung 1. OLS-Schätzer ˆβ i und GLS-Schätzer β i sind identisch, wenn σ ij = 0, i j 2. OLS-Schätzer ˆβ i und GLS-Schätzer β i sind identisch, wenn X i = X, i = 1,..., m Beachte! In diesen beiden Situationen bringt die GLS- Schätzung keinen Effizienzgewinn! Effizienzgewinn ist umso größer, 1. je stärker die Korrelationen zwischen den Störgrößen 2. je geringer die Korrelationen zwischen den Regressorvariablen Bei identischen X i = X, i = 1,..., m, gilt Var{ β} = (Σ 1 X X) 1 = Σ (X X) 1 o1-19.tex/7
9 Feasible GLS-Schätzung Aus der i-ten Gleichung leiten wir ab und ˆσ 2 i = 1 n û iû i ˆσ ij = 1 n û iû j Mit ˆū = (û 1,..., û m ) können wir schreiben ˆΣ = 1 n ˆū ˆū Wenn ˆβ = β, können die Standardfehler von ˆβ und β aus Var{ β} = (Σ 1 X X) 1 = Σ (X X) 1 durch Ersetzen von Σ durch ˆΣ ermittelt werden. Alternative Schätzer sind ˆσ ij = û iû j n ki n kj, û iû j n max (k i, k j ) o1-19.tex/7
10 ML-Schätzung Voraussetzung: ū N(0, Σ I) Die log-likelihood Funktion lautet mit log L = nn 2 log 2π 1 2 log Σ I 1 2 S(β) S(β) = [ȳ Xβ] (Σ 1 I)[ȳ Xβ] Bei identischen X = X i, i = 1,..., m ergibt sich S(β) = [ȳ (I X)β] (Σ 1 I)[ȳ (I X)β] Minimieren von S(β) ergibt die GLS-Schätzer β i bzw. die OLS-Schätzer ˆβ i. o1-19.tex/8
11 Bestimmtheitsmass und Spezifikationstests Einsetzen von β und ˆΣ in gibt S(β) = (ȳ Xβ) (Σ 1 I)(ȳ Xβ) S g ( β) = (ȳ X β) (ˆΣ 1 I)(ȳ X β) = n Sp(ˆΣ 1 Σ) mit Σ = ( ū ū)/n Bestimmtheitsmass für Mehrgleichungsmodelle R 2 I = 1 S g( β) S g (0) mit S g (0) als S(β) für den Fall, dass β nur aus einem Interzept besteht Test der Nullhypothese, dass r Restriktionen für die Parameter β gelten S g ( β R ) S g ( β) χ 2 (r) Test auf serielle Korrelation o1-19.tex/9
12 SUR-Schätzung in EViews 1. Generieren eines system objects: Objects/New Object/System 2. Eingeben der einzelnen Gleichungen 3. Schätzen der Parameter (system estimation) Ordinary Least Squares: Schätzt Einzelgleichungen unter Berücksichtigung von cross-equation Restriktionen Cross-Equation Weighting: Schätzt Einzelgleichungen unter Berücksichtigung von cross-equation Heteroskedastizität Seemingly Unrelated Regression: Berücksichtigung von cross-equation Heteroskedastizität und contemporaneous Korrelation o1-19.tex/10
Mehrgleichungsmodelle: Schätzverfahren
1 / 26 Mehrgleichungsmodelle: Schätzverfahren Kapitel 21 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 26 Inhalt SUR, seemingly unrelated regressions Systeme von interdependenten Gleichungen
MehrMehrgleichungsmodelle
1 / 25 Mehrgleichungsmodelle Kapitel 20 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 25 Inhalt SUR, seemingly unrelated regressions Systeme von interdependenten Gleichungen Identifikation
MehrSimultane Mehrgleichungssysteme: Parameterschätzung
Simultane Mehrgleichungssysteme: Parameterschätzung Stichwörter: Eigenschaften des OLS-Schätzers Hilfsvariablenschätzer 2SLS limited information Methoden 3SLS FIML full information Methoden o1-21.tex/0
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrUmverteilung als Versicherung
Umverteilung als Versicherung Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Fachbereich Finanzwissenschaft Alfred Weber Institut für Wirtschaftswissenschaften Ruprecht-Karls- Universität
MehrIdentifizierbarkeit von Modellen
Identifizierbarkeit von Modellen Stichwörter: Simultanes Mehrgleichungsmodell Struktur- und reduzierte Form Vollständigkeit Identifizierbarkeit Abzählbedingung Rangbedingung o1-19.tex/0 Interdependente
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrÖkonometrische Modelle
Ökonometrische Modelle Stichwörter: Dynamische Modelle Lagstrukturen Koyck sche Lagstruktur Zeitreihenmodelle Mehrgleichungsmodelle Strukturform reduzierte Form o1-13.tex/0 Lüdeke-Modell für die BRD C
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrGewerblicher Grundstückshandel
Gewerblicher Grundstückshandel Veranstaltungsort: 17. Juni 2015 in München Diplom-Volkswirt Steuerberater, München Landesverband der steuerberatenden und wirtschaftsprüfenden Berufe in Bayern e.v. Gewerblicher
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrVerkäufer/-in im Einzelhandel. Kaufmann/-frau im Einzelhandel. belmodi mode & mehr ein modernes Unternehmen mit Tradition.
Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrFehlermonitor. Software zur seriellen Verbindung PC-Airdos Visualdatensignale und Fehlermeldungen-Ausagabe per SMS / Drucker
Fehlermonitor Software zur seriellen Verbindung PC-Airdos Visualdatensignale und Fehlermeldungen-Ausagabe per SMS / Drucker Das Programm ist problemlos zu installieren auf jedem Windows-PC (XP) mit.net
MehrEigentlich sollte es ein Wanderpokal werden.
Eigentlich sollte es ein Wanderpokal werden. Umso mehr freuen wir uns, ihn erneut entgegennehmen zu dürfen. Denn die DWS ist zum 11. Mal in Folge Deutschlands beste Fondsgesellschaft. Dies ist das Ergebnis
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrPortfoliorisiko und Minimum Varianz Hedge
ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und
MehrStatistik I für Betriebswirte Vorlesung 11
Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Mehr1.3.2 Resonanzkreise R L C. u C. u R. u L u. R 20 lg 1 , (1.81) die Grenzkreisfrequenz ist 1 RR C . (1.82)
3 Schaltungen mit frequenzselektiven Eigenschaften 35 a lg (8) a die Grenzkreisfrequenz ist Grenz a a (8) 3 esonanzkreise 3 eihenresonanzkreis i u u u u Bild 4 eihenresonanzkreis Die Schaltung nach Bild
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrBundesweite Online-Befragung Ihr Feedback für unsere Finanzämter. Bundesbericht. Gesamtergebnis. Bund 6,65% 21652
esweite Online-Befragung Ihr Feedback für unsere Finanzämter esbericht Gesamtergebnis Beteiligungsquote in % (Stb) Anzahl der abgeschlossenen Fragebögen (Stb) 6,6% 2162 1 von Erläuterung der Berichtsdiagramme
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
Mehr11. Anhang Häufigkeitsverteilungen Ich bin häufig unsicher, wie ich mich gegenüber Behinderten verhalten soll. (N=1289; I=2,71) 7 19,2 34 39,8 Wenn ich Behinderte auf der Straße sehe, versuche ich, ihnen
MehrPortfolio Management
Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrPflege 29,81 47,12 67,87 89,42 102,01. Ausbildungsumlage 3,69 3,69 3,69 3,69 3,69. Zwischensumme 33,50 50,81 71,56 93,11 105,70
PREISBLATT 1 Entgelte pro Tag vollstationär * Pflege 29,81 47,12 67,87 89,42 102,01 Ausbildungsumlage 3,69 3,69 3,69 3,69 3,69 Zwischensumme 33,50 50,81 71,56 93,11 105,70 Unterkunft 18,37 18,37 18,37
MehrPflege 29,34 47,15 68,54 90,76 103,35. Ausbildungsumlage 3,69 3,69 3,69 3,69 3,69. Zwischensumme 33,03 50,84 72,23 94,45 107,04
PREISBLATT 1 Entgelte pro Tag Vollstationär * Pflege 29,34 47,15 68,54 90,76 103,35 Ausbildungsumlage 3,69 3,69 3,69 3,69 3,69 Zwischensumme 33,03 50,84 72,23 94,45 107,04 Unterkunft 16,94 16,94 16,94
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
Mehr13.5 Der zentrale Grenzwertsatz
13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle
MehrLösungen zu Kapitel 7
Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrTritt beim Aufruf ein Fehler aus, so wird eine MessageBox mit dem Fehlercode und der Kommandozeile angezeigt.
WinCC UniAddIn Motivation Add-ins für WinCC können in VBA und VB6 programmiert werden. Andere Entwicklungsumgebungen werden nicht standardmäßig unterstützt. Die Entwicklung in VBA hat den Nachteil, dass
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrSchnellanleitung: Verbuchung von Studien- und Prüfungsleistungen
Schnellanleitung: Verbuchung von Studien- und Prüfungsleistungen Die folgenden Schritte sind für die Verbuchung von Studien- bzw. Prüfungsleistungen notwendig. Eine Online-Anleitung mit vielen weiterführenden
MehrAlgorithmische Mathematik
Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrKap. 8: Speziell gewählte Kurven
Stefan Lucks 8: Spezielle Kurven 82 Verschl. mit Elliptischen Kurven Kap. 8: Speziell gewählte Kurven Zur Erinnerung: Für beliebige El. Kurven kann man den Algorithmus von Schoof benutzen, um die Anzahl
MehrAmateurfunkkurs. Erstellt: 2010-2011. Landesverband Wien im ÖVSV. Digitale Signalverarbeitung. R. Schwarz OE1RSA. Übersicht. Definition.
Amateurfunkkurs Landesverband Wien im ÖVSV Erstellt: 2010-2011 Letzte Bearbeitung: 17. September 2012 Themen 1 2 3 4 Analog - Digital Analog-Digital Kontinuierlich-Binär Analog: Kontinuierliche Erfassung
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrIT-SICHERHEIT IM UNTERNEHMEN Mehr Sicherheit für Ihre Entscheidung
IT-SICHERHEIT IM UNTERNEHMEN Mehr Sicherheit für Ihre Entscheidung IT-SICHERHEIT IM UNTERNEHMEN Mehr Sicherheit für ihre Entscheidung Entdecken Sie was IT Sicherheit im Unternehmen bedeutet IT Sicherheit
MehrM4 Oberflächenspannung Protokoll
Christian Müller Jan Philipp Dietrich M4 Oberflächenspannung Protokoll Versuch 1: Abreißmethode b) Messergebnisse Versuch 2: Steighöhenmethode b) Messergebnisse Versuch 3: Stalagmometer b) Messergebnisse
MehrAnalyse. Individualität bei Mobiltelefonen. Interaktionsgestaltung für Mobiltelefone von Tobias Müller Wintersemester 07/08 Dozent Tom Hirt
Analyse Individualität bei Mobiltelefonen Interaktionsgestaltung für Mobiltelefone von Tobias Müller Wintersemester 07/08 Dozent Tom Hirt Klingeltonanbieter wie Jamba erkennen den Trend und überfluten
MehrDarstellende Geometrie Übungen. Tutorial. Übungsblatt: Perspektive - Rekonstruktion
Darstellende Geometrie Übungen Institut für Architektur und Medien Tutorial Übungsblatt: Perspektive - Rekonstruktion Gegeben sind ein Foto von einem quaderförmigen Objekt sowie die Abmessungen des Basisrechteckes.
Mehr8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht
8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrZusammenfassung der 6. Vorlesung
Zusammenfassung der 6. Vorlesung w-transformation Die w-transformationbildet das Innere des Einheitskreises der z-ebene in die linke w-ebene ab. z 1 w= z+1, bzw. z= 1+w 1 w Nach Anwendung der w-transformationist
Mehr4. Das Capital Asset Pricing Model (CAPM) Markowitz-Modell: Werkzeug zur optimalen Portfolio-Selection.
4. Das Capital Asset Pricing Model (CAPM) The Tool is cool, but be leery of the Theory (Robert A. Haugen) Markowitz-Modell: Werkzeug zur optimalen Portfolio-Selection. CAPM: Theorie der Gleichgewichtspreise
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrIdeale und Reale Gase. Was ist ein ideales Gas? einatomige Moleküle mit keinerlei gegenseitiger WW keinem Eigenvolumen (punktförmig)
Ideale und Reale Gase Was ist ein ideales Gas? einatomige Moleküle mit keinerlei gegenseitiger WW keinem Eigenvolumen (punktförmig) Wann sind reale Gase ideal? Reale Gase verhalten sich wie ideale Gase
MehrEin Bisschen Mathe vorweg J
Ein Bisschen Mathe vorweg J Dr. Stefan Thielke Dr. Stefan Thielke Übersicht Abiturprüfung nach OAPVO 2010 Geregelt durch den Abschnitt II 8-24 der OAPVO 2010 8 Abiturprüfungsfächer (1) Die Abiturprüfung
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
Mehr1.5 Umsatzsteuervoranmeldung
1.5 Umsatzsteuervoranmeldung In diesem Abschnitt werden die Arbeitschritte zum Erstellen des MwSt Abrechnungsschemas erläutert. Es wird gezeigt, wie die Werte für die monatliche Umsatzsteuervoranmeldung
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrLorenz & Partners Legal, Tax and Business Consultants
Lorenz & Partners Legal, Tax and Business Consultants Kanzlei-Information Nr.: 21 (GE) Ehe, Familie, Scheidung, Unterhalt und Erbrecht im deutschen und thailändischen Recht August 2015 All rights reserved
MehrDatenbanken Microsoft Access 2010
Datenbanken Microsoft Access 2010 Abfragen Mithilfe von Abfragen kann ich bestimmte Informationen aus einer/mehrerer Tabellen auswählen und nur diese anzeigen lassen die Daten einer/mehrerer Tabellen sortieren
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrInhalt. Einführung in das Gesellschaftsrecht
Inhalt Einführung in das Gesellschaftsrecht Lektion 1: Die Gesellschaft bürgerlichen Rechts (GbR) 7 A. Begriff und Entstehungsvoraussetzungen 7 I. Gesellschaftsvertrag 7 II. Gemeinsamer Zweck 7 III. Förderung
Mehr= {} +{} = {} Widerstand Kondensator Induktivität
Bode-Diagramme Selten misst man ein vorhandenes Zweipolnetzwerk aus, um mit den Daten Amplituden- und Phasengang zu zeichnen. Das kommt meistens nur vor wenn Filter abgeglichen werden müssen oder man die
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrAufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de)
Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de) Aufgabe 1 Betrachten Sie die Cashflows der Abbildung 1 (Auf- und Abwärtsbewegungen finden mit gleicher Wahrscheinlichkeit statt). 1 Nehmen Sie an, dass
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10
MehrDatenblatt PVC-Banner
1 Datenblatt PVC-Banner Datenblatt PVC-Banner Dieses Datenblatt unterstützt Sie bei der Erstellung Ihrer Druckdatei für PVC-Banner. PVC-Banner sind ideal für dauerhafte Werbezwecke im Außeneinsatz geeignet.
MehrAnleitung für den Zugriff auf Mitgliederdateien der AG-KiM
Anleitung für den Zugriff auf Mitgliederdateien der AG-KiM Hinweise: - Dies ist eine schrittweise Anleitung um auf den Server der Ag-Kim zuzugreifen. Hierbei können Dateien ähnlich wie bei Dropbox hoch-
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrErläuterungen: GEO - Lastverteilung
Erläuterungen: GEO - Lastverteilung FRILO Software GmbH www.frilo.de info@frilo.eu Stand: 27.10.2015 Zusätzliche Erläuterungen zur Lastverteilung im Programm GEO - Gebäudemodell Auswirkung der Option Last
Mehr