Auswertung univariater Datenmengen - deskriptiv
|
|
- Helge Baumhauer
- vor 8 Jahren
- Abrufe
Transkript
1 Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert; Formeln, Tabellen und Programme Verlag Vahlen
2 Varanz - Bespel Bespel: Für das Gewcht der 0 betrachteten Personen ergbt sch be enem arthmetschen Mttel von 65 g de emprsche Varanz we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x (x - µ) Summe.984 g² [ 0 ( 44 65) ² + ( 46 65) ² ( 0 65) ²] 98,4 g ² Infolge des Quadrerens hat de Varanz ncht de gleche Maßenhet we das Mermal selbst. De Interpretaton st daher ncht snnvoll. 3 Standardabwechung De (emprsche) Standardabwechung st de postve Wurzel aus der (emprschen) Varanz. Es glt: ² De Standardabwechung bestzt de gleche Dmenson we de Mermalsausprägungen und deren Mttelwert, se st zur Interpretaton daher besser geegnet als de Varanz. De Standardabwechung st genau dann glech ull, wenn alle Daten den glechen Wert haben (a a a ). 4
3 Standardabwechung - Bespel Bespel: Für das Gewcht der 0 betrachteten Personen ergbt sch be enem arthmetschen Mttel von 65 g de emprsche Varanz we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x (x - µ) Summe.984 g² [ 0 98,4 ( 44 65) ² + ( 46 65) ² ( 0 65) ²] 98,4 g ² 7,74 De Streuung des Gewchtes, gemessen mt der Standardabwechung, beträgt 7,74 g. Zum Verglech: de mttlere absolute Abwechung gegenüber dem arthmetschen Mttel beträgt 5 g. 5 Varanz und Standardabwechung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung, Erwerb, vor: Bundesland Bevölerungsantel Erwerbs- (%) tätge (Tsd.) HB 4,8 385 HH MV I SH,6,8 53,0 8,8 Erwerbsquote orddeutschland Erwerbsquote (%) 53,5 60, 4, 43,8 43,6 45,8 Berechnen Se Varanz und Standardabwechung der Erwerbsquote. ² (0,535-0,458)² 0, (0,60-0,458)² 0,6 + (0,4-0,458)² 0,8 + (0,438-0,458)² 0,530 + (0,436-0,458)² 0,88 ² 0,0034 0, De enzelnen Bundesländer legen durchschnttlch 5,7 Prozentpunte vom Wert der Erwerbsquote für orddeutschland entfernt. Berech EWQ 40,% bs 5,5% 6 3
4 Varanz und Standardabwechung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung und Bruttonlandsprodut vor: Bundesland Bevölerungsantel (%) Bruttonlands- Produt (Mrd. ) HB 4,8 3,4 HH,6 75,5 MV,8 9,7 I 53,0 80,4 SH 8,8 66,0 BIP je Enwohner orddeutschland BIP je Enwohner (Tsd. ) Berechnen Se de Varanz und Standardabwechung des BIP je Enwohner (n Tausend Euro). 3,5 43,4 6,8,7 3,4 5,0 ² (3,5-5)² 0, (43,4-5)² 0,6 + (6,8-5)² 0,8 + (,7-5)² 0,530 + (3,4-5)² 0,88 ² 53,9 7,93 De enzelnen Bundesländer legen durchschnttlch 7.93 vom Wert des BIP je Enwohner von entfernt. Berech BIP/EW 7,7 bs 3,3 (Tausend Euro). 7 Sgma-Bereche - Bespel In den Bespelen wrd ene Interpretaton der Standardabwechung vorgenommen, welche de Berechsangabe um das arthmetsche Mttel benutzt. Man benutzt dese n der beschrebenden Statst auch als anschaulche Interpretaton folgender Art: m -Sgma-Berech um das arthmetsche Mttel legen mndestens 75% der Daten, W( X-µ <)W(µ-<X< µ+) 0,75 m 3-Sgma-Berech um das arthmetsche Mttel legen mndestens 89% der Daten. W( X- µ <3)W(µ-3<X< µ+3) 0,89 Dese Aussagen gehen auf de Tschebyscheff-Unglechung der Wahrschenlchetsrechnung zurüc. Es st allerdngs Vorscht geboten be lenen Mengen, we bem Bespel hochaggregerter Regonaldaten. De Interpretaton wrd n desen Bespelen sachbezogen vorgenommen, um ene Vorstellung der Dfferenzerthet der Bundesländer zu gewnnen. De enzelnen Bundesländer legen durchschnttlch 5,7 Prozentpunte vom Wert der Erwerbsquote für orddeutschland entfernt. Berech (µ-<x<µ+) für EWQ 40,% bs 5,5% De enzelnen Bundesländer legen durchschnttlch 793 vom Wert des BIP je Enwohner von 5000 entfernt. Berech BIP/EW 7,7 bs 3,7 (Tausend Euro). 8 4
5 Tschebyscheff-Unglechung Se X en Zufallsvarable mt Erwartungswert µ und Varanz ². Dann glt für alle reellen Zahlen >0: W( X µ < ) De Unglechung gbt ene untere Grenze für de Wahrschenlchet an, dass en Wert ener Zufallsvarable X mt endlcher Varanz nnerhalb enes bestmmtes Bereches um den Erwartungswert der Varable legt. Damt st auch ene obere Grenze für de Wahrschenlchet angegeben, dass de Werte außerhalb deses Bereches legen. Der Satz lässt sch auch auf Vertelungen anwenden, de ncht "glocenförmg" snd und setzt Grenzen dafür, we vele der Daten "n der Mtte" legen und we vele ncht. Untere Grenze 3 -/² 0 0,75 8/9 0,89 ur für > lefert de Unglechung ene nützlche Informaton. 9 Telgesamtheten und Grundgesamthet - Bespel Beobachtungswerte önnen n Telmengen (Telgesamtheten) vorlegen, de zu ener Gesamtmenge zusammengefasst werden önnen. Bespel: Fasst man de 50 betrachteten Fahrzeuge als Gesamtmenge auf, so lässt sch dese z. B. nach der Karossereform n Telmengen untergledern. Lmousnen, Kombs, Stufenhec- und Großraumlmousnen lassen sch umgeehrt weder zur Gesamtmenge zusammenführen (aggregeren). Allgemen: Mermalswert.. Mermalswert j.. Mermalswert Telmenge a a j a : Telmenge a a j a : Telmenge a a j a,..., j,..., 0 5
6 µ µ µ µ Varanzzerlegung µ Arthmetsches Mttel der Telgesamthet [ ( a j µ ) + ( µ µ )] j 0 ( a j µ ) j Arthmetsches Mttel der Gesamthet Aus deser Formel und mt Hlfe mathematscher Transformatonen lässt sch de Varanz der Grundgesamthet n zwe Summen zerlegen. De erste Summe lefert de durchschnttlche Varanz nnerhalb der Telgesamtheten und de zwete den durchschnttlchen Abstand (Varanz) zwschen den Telgesamtheten. Varanzzerlegungssatz Für ene Grundgesamthet, de aus Telgesamtheten mt den Umfangen,,,, den arthmetschen Mtteln µ, µ,, µ und den Standardabwechungen,,, besteht, ergbt sch de Varanz: µ µ µ oder + + ( µ µ ) ( µ µ ) mt und. Summand: Varanz nnerhalb der jewelgen Gruppe, Schcht, Telgesamthet µ µ. Summand: Varanz zwschen den Gruppen, Schchten, Telgesamtheten De Varanz der Gesamthet ergbt sch aus der Summe der Gruppenvaranzen (Telgesamtheten) und der Varanz zwschen den Gruppen (Telgesamtheten). 6
7 Varanzzerlegung - Interpretaton Be Verwendung der relatven Häufgeten der Telgesamtheten glt für de Varanz der Gesamthet: + ( µ µ )² Antelwerte für jewelge Gruppenstäre (Gruppengewcht) f + f ( µ µ )² Gewchtetes Mttel aus den Varanzen der Telgesamtheten: nterne Varanz Gewchtetes Mttel der Abwechungen der Mttelwerte der Telgesamtheten vom Gesamtmttel: externe Varanz 3 Varanzzerlegung - Bespel Bespel: De 0 Personen werden mt hren Gewchtsangaben n zwe Gruppen nach dem Geschlecht aufgetelt : 5 ame Lsa Anna Antje Mare Dörte ( x 50) x ,8 5 De Varanz für de erste Telmenge beträgt 0,8 g², der Mttelwert 50 g. 5 ame Sven Uwe Ka Jan ls ( x 80) x De Varanz für de zwete Telmenge beträgt 6 g², der Mttelwert 80 g. 0 0 (( 5 0,8) + ( 5 6) ) + ( 5 ( ) ² + 5 ( ) ² ) 73, ,4 Interne Varanz: 73,4 [g²] Externe Varanz: 5 [g²] De Varanz der Gesamtmenge beträgt 98,4 g², wobe 5 g² auf de Varanz zwschen den Telmengen zurüczuführen snd. Verglchen mt den gruppennternen Varanzen von 0,8 g² und 6 g² zegt sch, dass de Dfferenzerung zwschen den Geschlechtern größer st als nnerhalb der Gruppen. 4 7
8 Varanzzerlegung - Bespel Bespel: De Quadratmeterprese be Wohnungsmeten wurden für 85 Wohnungen n Berln untersucht. Dabe wurden entsprechend der Lage der Wohnungen zwe Gruppen gebldet (Westberln, Ostberln): Für de gesamte Erhebung stellt sch de Vertelung we folgt dar: 00 SPSS-Ausdruc für Gesamthet (Berln) 00 0 Std.abw. 5,5 Mttel 7,8 85,00 0,0 6,0 Pres (DM/m²) 46,0 4,0 38,0 34,0 30,0 6,0,0 8,0 4,0 5 Varanzzerlegung -Bespel Für de Telmengen (Westberln, Ostberln) stellt sch de Vertelung we folgt dar: 00 SPSS Ausdruc für Westberln SPSS Ausdruc für Ostberln ,0 4,0,0 0,0 8,0 6,0 4,0,0 0,0 8,0 6,0 Std.abw. 4,39 Mttel 5,6 394,00 Pres (DM/m²) Pres (DM/m²) 46,0 4,0 38,0 34,0 30,0 6,0,0 8,0 4,0 0,0 6,0 Std.abw. 4,96 Mttel 9,8 4,00 Aus den vorlegenden Angaben lässt sch de Varanz zwschen und nnerhalb der Telmengen ermtteln. 6 8
9 Berln Ost West 85 Varanzzerlegung Bespel Anzahl Varanz 6,43 9,7 4,606 Mttelwert 7,8 5,6 9,8 85 Es glt de Bezehung: ( µ µ ) ( 394 9,7+ 4 4,606) + ( 394 ( 5,6 7,8) ² + 4 ( 9,8 7,8 ) ² ) 6,43,05 + 4,406 De Varanz der Gesamtmenge beträgt 6,43 (DM/qm)², wobe 4,4 (DM/qm)² auf de Varanz zwschen den Telmengen zurüczuführen st. Verglchen mt den gruppennternen Varanzen von 9,7 (DM/qm)² und 4,6 (DM/qm)² zegt sch, dass de Dfferenzerung nnerhalb der Telmengen größer st als zwschen den beden Gruppen. Deses Ergebns ann auch dazu benutzt werden, um Grupperungen vorzunehmen oder ncht. Der Antel der externen Varanz lefert ene Begründung für Grupperungen. + 7 Lagetransformaton der Daten Lneare Transformaton der Ursprungsdaten: Fall : Y a+ y a+ X x De Varanz der transformerten Werte st glech der Varanz der Ursprungswerte, da ledglch en Socel engefügt wrd: Y X Mttelwert Mttelwert a a De Abstände zwschen Mermalswerten und Mttelwert bleben glech, de Varanz verändert sch ncht. De Varanz st lage-nvarant. 8 9
10 Lneare Transformaton der Daten Fall : Y a+ b X y a+ b x Y b X De Varanz der transformerten Werte st um den Fator b² größer als de Varanz der Ursprungswerte, denn neben dem Socel (a) snd de Mermalswerte durch de Multplaton mt b gesprezt. y.b y a De Dfferenz zwschen Mermalswert und Mttelwert st um den Fator b größer, der Fator b geht mt senem Quadrat n de Varanz en. De Varanz st salen-äquvarant. 9 Lneare Transformaton der Daten - Bespel Frage: Beenflusst de Inflaton auch de Streuung der Konsumausgaben? Es legen für zwe Betrachtungszeträume de Konsumausgaben von prvaten Haushalten (HH) vor, dese seen von 00 auf 0 Prozent gestegen: 990 HH HH HH 3 HH 4 HH 5 HH 6 HH 7 Konsumausgaben 0 TDM TDM 8 TDM 5 TDM 3 TDM 8 TDM TDM 5,837 TDM ² und µ,4 TDM X, 998 X HH HH HH 3 HH 4 HH 5 HH 6 HH 7 Konsumausgaben 4 TDM 6,4 TDM,6 TDM 30 TDM 7,6 TDM,6 TDM 6,4 TDM 8,405 TDM ² und µ 5,37 TDM 998, 998, µ µ 0 0
11 Lneare Transformaton der Daten - Bespel De relatve Poston der Haushalte zuenander hat sch ncht verändert, ledglch aufgrund der Inflaton snd de enzelnen Verbrauchsausgaben um den Fator, gestegen (Ausgabenerhöhung um 0%). Folglch st der Abstand zwschen Mermalswert und Mttelwert um den Fator, größer, woraus sch für de Varanz der Fator,² ergbt. Y a+ b X Y b X 8,405 TDM ², 5,837 TDM ² Werden Analysen über de Vertelung von Mermalen zu verschedenen Zeten erstellt, so st ene größere (lenere) Varanz ncht zwngend en Beleg für de Zunahme (Abnahme) der Dfferenzerthet der Objete und hrer Mermale. Beurtelung von Varanz und Standardabwechung Varanz und Standardabwechung snd de gebräuchlchsten Streuungsmaße, se snd jedoch wenger anschaulch als de mttlere absolute Abwechung. Varanz und Standardabwechung snd be lnearer Transformaton (Fall ) der Ursprungswerte unempfndlch. De Transformaton (Fall ) bewrt ene um das Quadrat des Fators veränderte Varanz. De Varanz ener Gesamtmenge ergbt sch aus der Summe von nterner (nnerhalb der Gruppen) und externer (zwschen den Gruppen) Varanz.
12 Varatonsoeffzent Interessert de Streuung ncht n hrer absoluten Größe, sondern n hrer Relaton zu enem Lageparameter, ermttelt man den Varatonsoeffzenten (): µ Der Varatonsoeffzent gbt de relatve Streuung an, das Verhältns der durchschnttlchen Abwechungen aller Enzelwerte gegenüber dem Mttelwert. 3 Varatonsoeffzent - Bespel Bespel: Varert be den 50 Autos de Lestung oder der Hubraum stärer? Desrptve Statst Hubraum [ccm] Lestung [PS] Gültge Werte (Lstenwese) Standardab Mttelwert wechung ,8 770, ,37 57,48 50 vgl. auto_50.xls bzw. auto_50.sav En Verglech der beden Varanzen/Standardabwechungen lefert ene verwertbare Aussage, da Lestung und Hubraum unterschedlch dmensonert snd. De relatve Streuung, der Varatonsoeffzent, objetvert den Verglech beder Mermale. 57,478 PS Lestung 5,37 PS 0, ,6cm ³ Hubraum.947,8cm ³ 0,396 Interpretaton: De Lestung streut stärer als der Hubraum, de Varaton der Lestung st größer als de Varaton des Hubraums der 50 Autos. 4
13 Varatonsoeffzent - Bespel Bespel: Im Sozoöonomschen Panel* wurden für de Jahre 996 und 00 u.a. das persönlche ettoerwerbsenommen und das persönlche Gesamtenommen erhoben. Es beträgt: Persönlches ettoerwerbsenommen (DM, ) Persönlches Gesamtenommen (DM, ) 996 (DM) µ µ (Euro) µ µ *Das Sozoöonomsche Panel (SOEP) st ene repräsentatve Wederholungsbefragung prvater Haushalte n Deutschland. Se wrd m jährlchen Rhythmus set 984 be denselben Personen und Famlen (Längsschnttuntersuchung) n der Bundesrepubl durchgeführt. Das SOEP dect en wetes Themenspetrum ab. Es lefert Informatonen u. a. über: Haushaltszusammensetzung, Wohnstuaton; Erwerbs- und Famlenbographen; Erwerbsbetelgung und beruflche Mobltät; Enommensverläufe; Gesundhet; Lebenszufredenhet und gesellschaftlche Partzpaton. 5 Varatonsoeffzent - Bespel Bede erhobenen Mermale snd zwar glech dmensonert, jedoch st aufgrund der zetlchen Abstände sowe der unterschedlchen Mermalsausprägungen der drete Verglech nur engeschränt möglch. Persönlches ettoerwerbsenommen (DM, ) Persönlches Gesamtenommen (DM, ) µ5.000 µ (DM) (Euro) µ µ Geegneter als de absoluten Maßzahlen st der Varatonsoeffzent: etto 96 etto ,6 etto 0 etto ,6 Gesamt 96 Gesamt ,3 Gesamt 0 Gesamt ,40 Es zegt sch, dass de relatve Streuung bem ettoerwerbsenommen unverändert st. Dagegen streut das Gesamtenommen deutlch stärer als das ettoerwerbsenommen, wobe sch dese Tendenz noch fortsetzt. 6 3
14 Beurtelung des Varatonsoeffzenten Der Varatonsoeffzent st en relatves Streuungsmaß. Er st dmensonslos, da Standardabwechung und Mttelwert de selbe, sch m Bruch wegürzende Dmenson haben. Der Varatonsoeffzent st vor allem für de verglechende Beurtelung von unterschedlchen Mermalen geegnet. Sene Berechnung st strenggenommen nur für Mermale snnvoll, de auf ener Verhältnssala gemessen werden önnen und enen absoluten ullpunt haben. 7 Zusammenfassung der behandelten Streuungsmaße Mttlere absolute Abwechung sowe Varanz und Standardabwechung baseren auf der mttleren Abwechung aller Enzelwerte von hrem Mttelwert. Spannwete und Quartlsabstand baseren auf Dfferenzen zwschen Mermalswerten. Streuungsmaße snd n Abhängget von der Salerung der Mermalswerte zu verwenden. En sehr anschaulches Maß, vor allem be öonomschen Sachverhalten, st de mttlere absolute Abwechung. 8 4
15 Zusammenfassung der behandelten Streuungsmaße Varanz und Standardabwechung fnden vor allem wegen hrer mathematschen Egenschaften brete Anwendung. Varanz und Standardabwechung haben folgende Egenschaften: Zerlegung/Aggregaton von Streuungen für Gesamthet/ Telgesamthet Reaton auf Datentransformaton st berechenbar De Summe der quadrerten Abwechungen von enem Bezugspunt p st mnmal, wenn man p arthmetsches Mttel wählt (Mnmumegenschaft gegenüber arthmetschem Mttel) 9 5
Auswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvrter Dtenmengen - desrptv Mttlere bsolute Abwechung (Desvton) Vrnz Stndrdbwechung Vrtonsoeffzent Stndrdserung Prof. Küc / Dr. Rcbl Lge- und Streuungsprmeter III Bblogrfe Bleymüller / Gehlert
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrMaße der zentralen Tendenz (10)
Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
Mehr4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014
4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben
MehrStatistische Kennzahlen für die Lage
Statstsche Kennzahlen für de Lage Bsher: gernge Informatonsverdchtung durch Vertelungsbeschrebung Jetzt: stärere Zusammenfassung der Daten auf hr Zentrum ls Raabe: Wahrschenlchetsrechnung und Statstsche
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrSind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)
LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter
MehrDatenaufbereitung und -darstellung III
Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrInstitut für Technische Chemie Technische Universität Clausthal
Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrItem-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich
Item-response Theore (Probablstche Testtheore Grnddee der tem-response Theore st, dass de Antworten af de Testtems ledglch Indatoren für ene z messende latente Varable (Trats, Klassen snd. Je nach Asprägng
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrAn dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrProtokoll zu Versuch C1-Mischungsvolumina
Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
Mehr1 Mehrdimensionale Analysis
1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
MehrAlgorithmen und ihre Programmierung -Teil 3-
Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe
MehrDynamisches Programmieren
Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
MehrQuantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens
Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrWS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9
WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik
Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck
MehrGrundpraktikum M5 Oberflächenspannung
Grundpraktkum M5 Oberflächenspannung Julen Kluge 21. Ma 2015 Student: Julen Kluge (564513) Partner: Emly Albert (564536) Betreuer: Dr. Mykhaylo Semtsv Raum: 314 Messplatz: 2 INHALTSVERZEICHNIS 1 ABSTRACT
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrAnwendungsmöglichkeiten von Lernverfahren
Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen
MehrTeil IV: Drei Musterklausuren
Tel IV: Dre Musterklausuren Hauptklausur SS 97 Aufgabe : 5 Schwmmer verschedenen Alters erbrachten n Wettkämpfen über 50 m Brustschwmmen de folgenden Zeten: Alter Zeten n sec. 8 37.00 40.00 4.00 30 39.00
MehrManhattan-Metrik anhand des Beispiels
Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
Mehr2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013
2. Klausur zur Vorlesung Algorthmen II Wntersemester 202/203 Her Aufkleber mt Name und Matrkelnummer anbrngen Vorname: Nachname: Matrkelnummer: Beachten Se: Brngen Se den Aufkleber mt Ihrem Namen und Matrkelnummer
MehrMultivariate Analysemethoden
Multvarate Analysemethoden q-q-plot Methode zur Prüfung der Multvaraten Normalvertelung Günter Menhardt Johannes Gutenberg Unverstät Manz Prüfung der NV-Annahme Vertelungsanpassung/Prüfung Prüfung der
MehrProf. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4
Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären
MehrStatistik. Finanzmathematik 1-15
Prüfungsdauer: Hlfsmttel: 90 Mnuten Taschenrechner (ncht grafkfähg und ncht programmerbar) und Formelsammlung De Klausur besteht aus dem 16 Aufgaben m Pflchttel, de alle bearbetet werden müssen. Auf de
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrLineare Optimierung Einführung
Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb
MehrContents blog.stromhaltig.de
Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrSchätzfehler in der linearen Regression (1) Einführung
Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler
MehrZ Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrMehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren
Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +
MehrOptimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik
Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann
Mehr