Übungsaufgaben. zahlen bis auf das 3. und 7. Element enthält. (e) Erstellen Sie einen Vektor. zahlen3, der ein Klon von
|
|
- Vincent Kaiser
- vor 7 Jahren
- Abrufe
Transkript
1 Kurzeinführung in R Prof. Dr. Andreas Behr 1. Erzeugen Sie folgende Vektoren: (a) a : {1, 3, 7} Übungsaufgaben (b) b : { Katja, Christoph, Gerald, Jurij } (c) d : {T RUE, T RUE, F ALSE} 2. Erzeugen Sie folgende Vektoren und verwenden Sie dabei jedes Mal die rep()- Funktion: (a) {1, 2, 3, 1, 2, 3, 1, 2, 3} (b) {1, 1, 1, 2, 2, 2, 3, 3, 3} (c) {1, 2, 2, 3, 3, 3, 4, 4, 4, 4}. 3. Setzen Sie folgende Schritte in R um: (a) Erzeugen einen Vektor zahlen mit allen ganzen Zahlen zwischen 11 und 20. (b) Geben Sie das 3. Element aus. (c) Geben Sie gleichzeitig die Elemente 2, 5 und 8 aus. (d) Erstellen Sie einen Vektor zahlen2, der alle Elemente aus zahlen bis auf das 3. und 7. Element enthält. (e) Erstellen Sie einen Vektor zahlen3, der ein Klon von zahlen2 ist. (f) Sortieren Sie die Elemente in zahlen3 durch Angabe der Elementennummern so, dass zuerst alle geraden und dann alle ungeraden Zahlen (jeweils aufsteigend sortiert) vorkommen. (g) Der Vektor zahlen3 soll als erstes Element die Zahl 42 enthalten und danach alle bisherigen Elemente von zahlen3. Hinweis: Siehe Folie 20 im Foliensatz! 4. Fortsetzung von Aufgabe 1 (a) Lassen Sie sich für die erzeugten Objekte die Objektklasse anzeigen. (b) Wandeln Sie den Vektor a in ein Objekt vom Typ character um und geben Sie ihn aus. (c) Wandeln Sie den Vektor d in ein Objekt vom Typ numeric um und geben Sie ihn aus. 1
2 5. Fortsetzung von Aufgabe 3 (a) Geben Sie mithilfe einer Bedingung alle Zahlen aus zahlen3 aus, die größer oder gleich 15 sind. (b) Ersetzen Sie all diese Zahlen durch die 0. (c) Geben Sie die Länge von zahlen3 aus. (d) Prüfen Sie innerhalb einer einzigen Abfrage, ob die Zahlen 17, 19 und 31 im Vektor zahlen (nicht zahlen3 ) enthalten sind. (e) Lassen Sie sich die Dokumentation zur intersect() Methode anzeigen und wenden Sie sie auf zahlen und zahlen3 an. Was tut diese Methode? 6. Setzen Sie folgende Schritte in R um: (a) Simulieren Sie eine Ziehung mit Zurücklegen von 30 Kugeln aus einer Urne mit 100 Kugeln, die mit den Zahlen von 1 bis 100 beschriftet sind (set.seed(123)) und legen Sie das Ziehungsergebnis im Vektor kugeln ab. (b) Ermitteln Sie Folgendes: Minimum, Maximum, Mittelwert, Median, Standardabweichung, Differenz zwischen Mittelwert und Median, indem Sie die dazugehörigen Funktionen manuell aufrufen. (c) Wenden Sie die Methode basicstats() aus dem Paket fbasics auf kugeln an. 7. Erzeugen Sie eine Realisation n = 120 einer normalverteilten Zufallsvariable mit µ = 20 und σ 2 = 16 (set.seed(123)), weisen Sie die Realisation der Variable x zu. (a) Berechnen Sie die Dichte der Normalverteilung mit den Parametern µ = 20, σ 2 = 16 an der Stelle x = 18. (b) Wie lautet der Wert der Verteilungsfunktion der Normalverteilung an der Stelle x = 18? 8. Durchlaufen Sie den Vektor kugeln mit einer for-schleife und geben Sie alle Elemente zwischen 30 und 50 zurück, wobei die Grenzen selbst nicht zurückgegeben werden sollen 9. Schreiben Sie eine Funktion bestimmeanzahl(element, Vektor), die als Ergebnis zurückgibt, wie oft Element in Vektor vorkommt. Gehen Sie davon aus, dass Element stets nur einen Eintrag enthält. Testen Sie Ihre Funktion anschließend, indem Sie sie mehrmals aufrufen und dabei Sonderfälle beachten. 2
3 10. Erstellen Sie folgende Matrix Medaillen inklusive Zeilen und Spaltenbeschriftungen. Gold Silber Bronze Max Fiona Andrea (a) Geben Sie die Dimension der Matrix aus. (b) Geben Sie aus, wie viele Silbermedaillen Andrea gewonnen hat. (c) Fiona hat ihre erste Bronzemedaille gewonnen. Aktualisieren Sie die Matrix. (d) Timo hat jeweils 1 Gold-, Silber und Bronzemedaille. Ergänzen Sie diesen Sportler in Medaillen durch Nutzung des rbind() Befehls. (e) Erstellen Sie ausgehend von Medaillen eine Matrix Medaillen2, die nur die Gold- und Bronzemedaillen von Max und Timo angibt. (f) Erhöhen Sie alle Elemente in Medaillen um 1, indem Sie diese Matrix mit einer entsprechenden selbsterstellten Matrix addieren. (g) Der Spaltenvektor (3,2,1) drückt die Gewichtung der 3 Medaillenarten aus. Multiplizieren Sie Medaillen mit diesem Vektor um den erfolgreichsten Sportler zu bestimmen. 11. Erzeugen Sie folgende Matrix M (a) Geben Sie die Hauptdiagonale dieser Matrix aus. (b) Berechnen Sie die Inverse von M und legen Sie sie in N ab. (c) Multiplizieren Sie M und N. (d) Multiplizieren Sie M und die transponierte Matrix N. 3
4 12. Erzeugen Sie den folgenden data.frame und weisen Sie ihn dem Objekt dat zu: pid name sex age 1 Susi Carmen Herbert Karl 0 27 (a) Erzeugen Sie aus Ihrem data.frame dat einen neuen data.frame dat2, der nur die Variablen name und age enthält, indem Sie i. den subset-befehl ii. den Selektionsbefehl [] verwenden. (b) Erzeugen Sie aus Ihrem data.frame dat einen weiteren neuen data.frame dat3, der nur die Beobachtungen von Susi und Karl enthält, indem Sie i. den subset-befehl ii. den Selektionsbefehl [] verwenden. (c) Fügen Sie dem data.frame die Spalte weight mit ausgedachten Werten hinzu. (d) Fügen Sie dem data.frame die Person Sofia mit ausgedachten Werten hinzu. (e) Löschen Sie Herbert aus dem Datensatz. Überschreiben Sie dat zu diesem Zweck mit einem identischen Datensatz ohne die Zeile, die Herbert enthält. (f) Speichern Sie Ihren data.frame dat als CSV-Datei, entfernen Sie den Datensatz aus dem Arbeitsspeicher (rm()) und lesen Sie das gespeicherte Datenfile wieder in den Arbeitsspeicher. 4
5 13. Laden Sie den Datensatz psid 2007 comp meth.csv in den Arbeitsspeicher und weisen Sie ihn dem Objekt d zu. (Die Sektorkodierung lautet: 0 = Not Applicable/Missing, 1 = Agriculture/Energy/Mining, 2 = Manufacturing, 3 = Construction, 4 = Trade, 5 = Transport, 6 = Bank/Insurance, 7 = Services, sex: 0 man, 1 woman) (a) Ermitteln Sie die Dimension des Datensatzes. (b) Welche Variablen enthält der Datensatz? (c) Ergänzen Sie den Datensatz um die Variable wr (wagerate), die den Stundenlohn enthält. (d) Ergänzen Sie den Datensatz um die Variable lwr (logwagerate), die den natürlichen Logarithmus des Stundenlohns enthält. 14. Grafiken mit R (a) Erstellen Sie ein Punktdiagramm, das für die ersten zehn Personen aus dem psid das Alter auf der x-achse und das zugehörige Jahreseinkommen auf der y-achse darstellt. Geben Sie dem Diagramm einen Titel und beschriften Sie dessen Achsen. (b) Ändern Sie den plot-befehl dermaßen, dass statt der Punkte grüne Dreiecke dargestellt werden. (c) Sorgen Sie dafür, dass die x-achse alle Altersstufen von 0 bis 100 darstellt. (d) Gehen Sie davon aus, dass die logarithmierten Stundenlöhne normalverteilt sind. Berechnen Sie den Mittelwert und die Standardabweichung der Löhne und zeichnen Sie eine Dichtefunktion mit diesen Parameterwerten ein. (e) Zeichnen sie die Dichtefunktionen der Löhne unterschieden nach Geschlecht ins selbe Diagramm in unterschiedlichen Farben ein. (f) Erstellen Sie ein Histogramm für die abgearbeiteten Stunden. Der größte Balken soll rot, der zweitgrößte blau ausgemalt werden. Auf den drittgrößten Balten soll ein grüner Pfeil mit der kreativen Beschriftung drittgrößter Balten zeigen. 15. Stochastisches Regressionsmodell (a) Erzeugen Sie eine Realisation vom Umfang n = 20 einer standardnormalverteilten Zufallsvariablen (set.seed(1)) und weisen Sie die Realisationen der Variablen x zu. Berechnen Sie lineare Funktionswerte einer linearen Funktion mit dem Achsenabschnitt β 0 = 1 und der Steigung β 1 = 0.5. Überlagern Sie die erzeugten Werte mit Realisationen (set.seed(3)) einer standardnormalverteilten Zufallsvariablen (U) vom Umfang n = 20 und weisen Sie die so entstandenen Werte dem Vektor y zu. (b) Stellen Sie x und y in einem Streudiagramm dar und zeichnen Sie den wahren linearen Zusammenhang ein. (c) Ermitteln Sie mittels der Funktion lm() die Regressionswerte einer nach der Methode der kleinsten Quadrate geschätzten Regressionsgeraden und tragen Sie die Gerade in Ihr Diagramm ein. 5
6 16. Fortsetzung der Aufgabe 11. (a) Erzeugen Sie ein Streudiagramm des Alters und der logarithmierten Stundenlöhne (diesmal mit allen Daten). (b) Berechnen Sie mit Hilfe der Funktion lm() eine lineare Regressionsfunktion. (c) Welche Informationen liefert Ihnen die Funktion summary() über die Regressionsfunktion? (d) Berechnen Sie folgende multiple Regressionsfunktion log wagerate = β 0 + β 1 eduyears + β 2 ex + β 3 ex 2 + U mit Hilfe der Funktion lm(). (e) Schätzen Sie nun eine weitere Regression, in der der Achsenabschnitt für Frauen und Männer verschiedene Werte annehmen darf. (f) Schätzen Sie nun eine weitere Regression, in der alle Regressionsparameter für Frauen und Männer verschiedene Werte annehmen dürfen. 6
Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann Probe-Klausur zur Vorlesung Ökonometrie Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte (die eigentliche Klausur wird
MehrD-CHAB Frühlingssemester 2017 T =
D-CHAB Frühlingssemester 17 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 13 1) Die relevanten Parameter sind n = 3, x = 1867, σ x = und µ = 18 (a) Die Teststatistik T = X µ Σ x / n ist nach Annahme
MehrÜbungsaufgabe Parameter und Verteilungsschätzung
Übungsaufgabe Parameter und Verteilungsschätzung Prof. Dr. rer. nat. Lüders Datum: 21.01.2019 Autor: Marius Schulte Matr.-Nr.: 10049060 FH Südwestfalen Aufgabenstellung Analysiert werden sollen die Verteilungen
MehrLineare Regression. Kapitel Regressionsgerade
Kapitel 5 Lineare Regression 5 Regressionsgerade Eine reelle Zielgröße y hänge von einer reellen Einflussgröße x ab: y = yx) ; zb: Verkauf y eines Produkts in Stückzahl] hängt vom Preis in e] ab Das Modell
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrWorkshop Statistik mit R
Workshop Statistik mit R Aufgaben Stefan Heyder 7. und 8. März 2019 1 Grundlagen R und Vektoren 1.1 Einen Vektor erstellen (i) Erstellen Sie einen Vektor x welcher die Zahlen 1 bis 12 enthält. (ii) Multiplizieren
MehrFerienkurse Mathematik Sommersemester 2009
Ferienkurse Mathematik Sommersemester 2009 Statistik: Grundlagen 1.Aufgabenblatt mit praktischen R-Aufgaben Aufgabe 1 Lesen Sie den Datensatz kid.weights aus dem Paket UsingR ein und lassen sie die Hilfeseite
MehrFormale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung
Übung Formale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung BACHELOR FT 2013 (HSU) Übung Emp. WiFo FT 2013 1 / 1 Maßzahlen für den Zusammenhang zwischen Merkmalen Kontingenztabelle:
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2013/2014 Hamburg, 12.02.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrÜbungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrUmkreis eines Dreiecks... Spiegeln von Objekten... Konstruktion von Dreiecken (SSS-Satz)... Satz von Thales... Größe eines Sees...
Inhaltsverzeichnis Umkreis eines Dreiecks... Spiegeln von Objekten... Konstruktion von Dreiecken (SSS-Satz)... Satz von Thales... Größe eines Sees... Lineare Funktionen... Statistik... Umkreis eines Dreiecks
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrOctave/Matlab-Übungen
Aufgabe 1a Werten Sie die folgenden Ausdrücke mit Octave/Matlab aus: (i) 2 + 3(5 11) (ii) sin π 3 (iii) 2 2 + 3 2 (iv) cos 2e (v) ln π log 10 3,5 Aufgabe 1b Betrachten Sie (i) a = 0.59 + 10.06 + 4.06,
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
MehrMusterlösung der Klausur vom 29. Juli 2003
Statistik für Bioinformatiker SoSe 2003 Rainer Spang Musterlösung der Klausur vom 29. Juli 2003 Aufgabe 1. 10 Definieren Sie die folgenden statistischen Begriffe in einem Satz oder in einer Formel: 1.
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
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
MehrGrundlagen der Bioinformatik Übung 5 Einführung in R. Ulf Leser, Yvonne Mayer
Grundlagen der Bioinformatik Übung 5 Einführung in R Ulf Leser, Yvonne Mayer Introduction to R Ulf Leser: Grundlagen der Bioinformatik, Sommer Semester 2016 2 Einführung in R Voraussetzung: funktionsfähige
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrHochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann. 8. Übungsblatt zur Vorlesung Ökonometrie
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann 8. Übungsblatt zur Vorlesung Ökonometrie Aufgabe 1: In der Vorlesung haben wir das lineare Regressionsproblem als statistisches Problem formuliert:
MehrProbeklausur zu Mathematik 3 für Informatik
Gunter Ochs Juli 0 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immel ohne Galantie auf Fehreleiheit Sei f ln a Berechnen Sie die und die Ableitung f und f Mit der Produktregel erhält
MehrFortgeschrittene Ökonometrie: Maximum Likelihood
Universität Regensburg, Lehrstuhl für Ökonometrie Sommersemester 202 Fortgeschrittene Ökonometrie: Maximum Likelihood Poissonverteilung Man betrachte die poisson-verteilten Zufallsvariablen y t, t =, 2,...,
MehrZiel Eingabe Bildschirmanzeige Rechnen. Graphen darstellen. Wertetabellen anzeigen 3,5 + 4 _ ENTER
Ziel Eingabe Bildschirmanzeige Rechnen 3,5 + 4 _ 3 berechnen Ergebnis in Bruchschreibweise um wandeln 2 näherungsweise berechnen zum letzten Ergebnis (ANS) 3 addieren und alles mit 7 multiplizieren: 2
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
MehrLineare Regression in R, Teil 1
Lineare Regression in R, Teil 1 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel October 6, 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools aus
MehrFormale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung
Übung Formale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung BACHELOR FT 2013 (HSU) Übung Emp. WiFo FT 2013 1 / 15 Datensätze Statistische Auswertungen gehen in den meisten Fällen
MehrProbeklausur Informatik 2 Sommersemester 2010
Probeklausur Informatik Sommersemester 0 1 Probeklausur Informatik Sommersemester 0 Name: A1 A A A A Matrikelnummer: 0 Hilfsmittel: Geodreieck Ab Punkten gilt diese Klausur als bestanden und wird nicht
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrHerzlich Willkommen. GeoGebra für Anfänger
Herzlich Willkommen beim Seminar GeoGebra für Anfänger Ihr Name Viel Erfolg! Inhaltsverzeichnis Viel Erfolg!... Umkreis eines Dreiecks......... Mit der Werkzeugleiste... Mit der Eingabezeile... Spiegeln.........
MehrGrundlagen der Bioinformatik Assignment 4: Introduction to R. Yvonne Lichtblau SS 2017
Grundlagen der Bioinformatik Assignment 4: Introduction to R Yvonne Lichtblau SS 2017 Presentations Assignment 3 Yvonne Lichtblau: Grundlagen der Bioinformatik, Sommer Semester 2017 2 Overview Assignment
MehrHochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017
für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik
MehrMusterlösung zu Serie 1
Prof. Dr. W. Stahel Regression HS 2015 Musterlösung zu Serie 1 1. a) > d.bv plot(blei ~ verkehr, data = d.bv, main
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
Mehr4 MEHRDIMENSIONALE VERTEILUNGEN
4 MEHRDIMENSIONALE VERTEILUNGEN 4.14 Stochastische Vektoren 1. Der Merkmalraum des stochastischen Vektors (X, Y ) sei M = R 2. Betrachten Sie die folgenden Ereignisse und ihre Wahrscheinlichkeiten: A 1
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrGebra für Fortgeschrittene
Ge Gebra für Fortgeschrittene NMS Eferding-Nord 8.0.0 GeoGebra www.geogebra.org AGI (Österreichisches GeoGebra Institut) Materialplattform www.geogebratube.org Umkreis eines Dreiecks Zeichnen Sie mit GeoGebra
MehrLineare Regression Mietpreis-Beispiel
Lineare Regression Mietpreis-Beispiel Institut für Angewandte Statistik und EDV, Universität für Bodenkultur Wien http://www.rali.boku.ac.at/statedv.html Die aktuelle Version dieses Dokuments finden Sie
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrÜbungen zur Vorlesung. Statistik 2
Institut für Stochastik WS 2007/2008 Universität Karlsruhe JProf. Dr. H. Holzmann Blatt 11 Dipl.-Math. oec. D. Engel Übungen zur Vorlesung Statistik 2 Aufgabe 40 (R-Aufgabe, keine Abgabe) In dieser Aufgabe
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrR starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern)
Zusammenfassung Sitzung 1: R installieren (wichtig für später: neue Versionen) R starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern) R-Konsole als Dialog, farbliche Darstellung,
MehrÜbungsblatt vom Kontinent: Kontinent dem das Land zugehört. Europa: 1=europäisches Land; 0=auÿereuropäisches Land
Übungsblatt vom 17.11.2015 Aufgabenkomplex 1 Der Datensatz OECD enthält Variablen (Stand 2009), die das Wohlergehen von Kindern in den Mitgliedsstaaten messen sollen. Abgefragt wurde: Kontinent: Kontinent
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrErsatz für freie Listen in SibankPLUS
Ersatz für freie Listen in SibankPLUS Wer auf die Schnelle eine Liste erstellen möchte und bereit ist, auf Kopfzeilen und anderes Design zu verzichten, hat folgende Möglichkeit: Klicken Sie den Button
MehrSoftwarepraktikum. zu Elemente der Mathematik. Carsten Rezny Institut für angewandte Mathematik Universität Bonn
Softwarepraktikum zu Elemente der Mathematik Carsten Rezny Institut für angewandte Mathematik Universität Bonn 23. 25.05.2018 Listen Liste: Aufzählung von beliebigen Objekten liste={2,1.4,"abc"} Einzelnes
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrÜbung 1: Einführung, grafische Darstellung univariater Datensätze
Übung 1: Einführung, grafische Darstellung univariater Datensätze Vor einer Bürgermeisterwahl, bei der fünf Kandidaten (A bis E) zur Auswahl stehen, wurden 160 Wahlberechtigte nach ihrer Wahlabsicht befragt.
MehrSozialwissenschaftliche Datenanalyse mit R
Katharina Manderscheid Sozialwissenschaftliche Datenanalyse mit R Eine Einführung F' 4-1 V : 'i rl ö LiSl VS VERLAG Inhaltsverzeichnis Vorwort 5 Danksagung 7 Inhaltsverzeichnis 9 R für sozialwissenschaftliche
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrKapitel 1: Einführung, grasche Darstellung univariater Datensätze
Kapitel 1: Einführung, grasche Darstellung univariater Datensätze Geben Sie an, ob die folgenden Variablen diskret oder stetig sind, und welches Skalenniveau sie besitzen: Familienstand (ledig etc.), Schulabschluss,
Mehr1. Übungsblatt zu Wahrscheinlichkeitsrechnung und Statistik in den Ingenieurswissenschaften
1. Übungsblatt zu Aufgabe 1: In R können die Logarithmen zu verschiedenen Basen mit der Funktion log berechnet werden, wobei im Argument base die Basis festgelegt wird. Plotten Sie die Logarithmusfunktion
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
MehrSoftwarepraktikum. zu Elemente der Mathematik. Carsten Rezny Institut für angewandte Mathematik Universität Bonn
Softwarepraktikum zu Elemente der Mathematik Carsten Rezny Institut für angewandte Mathematik Universität Bonn 18. 20.05.2016 Listen Liste: Aufzählung von beliebigen Objekten liste={2,1.4,"abc"} Einzelnes
MehrMusteraufgaben für das Fach Mathematik
Musteraufgaben für das Fach Mathematik 1 Musteraufgaben für Aufgabenpool 1... 4 1.1 Analysis... 4 1. Analytische Geometrie/Lineare Algebra... 6 1..1 Analytische Geometrie... 6 1.. Lineare Algebra... 8
MehrStatistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/ Dezember 2018
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/2019 20. Dezember 2018 1 Aufgabe 1: Beschreibung univariater Daten (25 Punkte) Die traditionsreiche HAMBURGER SEEMANN-GEBÄUDEVERWALTUNG
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
Mehr0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5
4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit
MehrTU Bergakademie Freiberg Datenanalyse/Statistik Wintersemester 2016/ Übungsblatt. Homepage zur Übung unter:
1. Übungsblatt Homepage zur Übung unter: http://www.mathe.tu-freiberg.de/ds Themen und Begriffe Skalenniveaus Stichprobe und Zufallsexperiment repräsentative Stichprobe Einführung in die Programmiersprache
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrA3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrZugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II
Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II Matrixzugriff Wir wollen nun unsere Einführung in die Arbeit mit Vektoren und Matrizen in MATLAB
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrR-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung.
R-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung. Carsten Szardenings c.sz@wwu.de 7. Mai 2015 A 2 B 3 C 4 D 5 F 6 R 16 S 17 V 18 W 19 Z 20 H 7 I 8 K 9
MehrBedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an.
Bedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an. Interpretiert man die numerischen Einträge als Beschreibungen
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrLineare Regression 1 Seminar für Statistik
Lineare Regression 1 Seminar für Statistik Markus Kalisch 17.09.2014 1 Statistik 2: Ziele Konzepte von einer breiten Auswahl von Methoden verstehen Umsetzung mit R: Daten einlesen, Daten analysieren, Grafiken
MehrInhalt. Einleitung... XIII
Inhalt Einleitung................................................. XIII 1 Vektoren, Matrizen und Arrays.................................. 1 1.0 Einführung.......................................... 1 1.1
MehrBasisprüfung B. Sc. FS 2011
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2011 Dr. Jochen Köhler ETH Zürich Mittwoch, 17. August 2011 9:00 11:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... Aufgabe Beschreibung
MehrVorlesung Wissensentdeckung
Vorlesung Wissensentdeckung Klassifikation und Regression: nächste Nachbarn Katharina Morik, Uwe Ligges 14.05.2013 1 von 24 Gliederung Funktionsapproximation 1 Funktionsapproximation Likelihood 2 Kreuzvalidierung
MehrStetige Standardverteilungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Stetige Standardverteilungen Dr. Thomas Zehrt Inhalt: 1. Die stetige Gleichverteilung 2. Die Normalverteilung (a) Einstimmung (b) Standardisierung
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrMATLAB-Tutorium WS18 Nathalie Marion Frieß
MATLAB-Tutorium WS18 Nathalie Marion Frieß nathalie.friess@uni-graz.at Zugang UNI-IT Arbeitsplätzen lokal vorinstalliert Von zu Hause: Zugriff über Terminalserver Installation des Citrix Receiver Clients:
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrEinführung Teil I: Erste Schritte bei der statistischen Analyse mit R... 25
O:/Wiley/Reihe_Dummies/71398_Schmuller/3d/ftoc.3d from 26.06.2017 16:16:30 Auf einen Blick Über den Autor.... 9 Einführung... 21 Teil I: Erste Schritte bei der statistischen Analyse mit R.... 25 Kapitel
MehrHochschule Bremerhaven Medizintechnik Mathcad Kapitel 6
6. Diagramme mit Mathcad In diesem Kapitel geht es um andere, als X Y Diagramme. 6.. Kreisdiagramme. Schritt: Die darzustellende Funktion muß zunächst als Funktion definiert werden, zum Beispiel f(x):=
MehrSchriftliche Prüfung zur Computergestützten Mathematik zur Linearen Algebra (PO 2014: Erste Klausur / PO 2008: Klausur)
MATHEMATISCHES INSTITUT PROF. DR. CHRISTIANE HELZEL PAWEL BUCHMÜLLER 18. FEBRUAR 2016 Schriftliche Prüfung zur Computergestützten Mathematik zur Linearen Algebra (PO 2014: Erste Klausur / PO 2008: Klausur)
MehrSkriptteufel Klausurworkshop
Skriptteufel Klausurworkshop Statistik Teil 1 - Handout 01.07.2016 1 Inhalt Sieben Aufgabentypen mit Lösungsweg Häufigkeiten Regression (2 Typen) Dichte und Verteilungsfunktionen Beweise Lösungswege für
Mehr8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme)
8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) Annahme B4: Die Störgrößen u i sind normalverteilt, d.h. u i N(0, σ 2 ) Beispiel: [I] Neoklassisches Solow-Wachstumsmodell Annahme einer
MehrUmkreis eines Dreiecks
Umkreis eines Dreiecks Zeichne mit GeoGebra ein Dreieck mit den Eckpunkten A (-5-1), B (4-2), C (2 3) und konstruiere dessen Umkreis. Mit Werkzeugleiste 1 Konstruiere mit dem Werkzeug Vieleck das Dreieck
Mehr3.4 Bivariate Datenanalyse in R
90 KAPITEL 3. BIVARIATE ANALYSE 3.4 Bivariate Datenanalyse in R Beginnen wir mit dem Zusammenhang zwischen einem qualitativem und einem quantitativem Merkmal. Wir wollen das Alter der weiblichem Teilnehmer
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 205/6 Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Sommer Wahrscheinlichkeit und Statistik BSc D-INFK. a) (iii) b) (ii) c) (i) d) (ii) e) (ii) f) (iii) g) (ii) h) (i) i) (ii) j) (i). Für ein heruntergeladenes Dokument
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Das Programmpaket R Installierung und Pakete R als Taschenrechner Laden von Datensätzen und Einlesen von Daten Hilfe und Dokumentation Einfaches Datenmanagement Univariate
MehrGraphische Verfahren in der Statistik: Q-Q- und P-P-Plots
Prof. Dr. Dietmar Pfeifer Institut für Mathemati Graphische Verfahren in der Statisti: Q-Q- und P-P-Plots Bei den üblichen parametrischen Testverfahren in der Statisti wird in der Regel eine Annahme über
MehrPrüfung. Wahrscheinlichkeit und Statistik. ETH Zürich SS 2016 Prof. Dr. P. Embrechts August BSc INFK. Nachname. Vorname.
ETH Zürich SS 2016 Prof. Dr. P. Embrechts August 2016 Prüfung Wahrscheinlichkeit und Statistik BSc INFK Nachname Vorname Legi Nummer Das Folgende bitte nicht ausfüllen! Aufgabe Max. Punkte Summe Kontrolle
Mehr