Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.
|
|
- Jesko Waltz
- vor 7 Jahren
- Abrufe
Transkript
1 Lehrstuhl für Statstk und emprsche rtschaftsforschung, SS 009 ach: Prüfer: Bachelorprüfung Praxs der emprschen rtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang Semester Datum Raum, Platz Unterschrft Vorbemerkungen: Anzahl der Aufgaben: De Klausur besteht aus 6 Aufgaben, de alle bearbetet werden müssen. Bewertung: Erlaubte Hlfsmttel: chtge Hnwese: Es können maxmal 90 Punkte erworben werden. De maxmale Punktzahl st für jede Aufgabe n Klammern angegeben. Se entsprcht der für de Aufgabe empfohlenen Bearbetungszet n Mnuten. ormelsammlung (st der Klausur begefügt) Tabellen der statstschen Vertelungen (snd der Klausur begefügt) Taschenrechner remdwörterbuch Sollte es vorkommen, dass de statstschen Tabellen, de deser Klausur belegen, den exakten ert der rehetsgrade ncht auswesen, machen Se des kenntlch und verwenden Se den nächstgelegenen ert. Sollte es vorkommen, dass be ener Berechnung ene erforderlche Informaton fehlt, machen Se des kenntlch und treffen Se für den fehlenden ert ene plausble Annahme. 1/10
2 Aufgabe 1: [14 Punkte] De Bldungsrendte wrd auf Bass ener Stchprobe vom Umfang 1045 für männlche Erwerbstätge mt folgenden Regressonsfunktonen emprsch analysert. Modell 1: Modell : Dabe st: wage educ exper IQ IQfather logwage educ exper IQ logwage educ exper IQ IQfather Stundenlohn n US-Dollar Schul- und Berufsausbldung n Jahren Berufserfahrung n Jahren Intellgenzquotent n Punkten Intellgenzquotent des Vaters n Punkten Der Regressonsoutput von SPSS st n folgender Tabelle zusammengefasst. Modell 1 Modell Koeffzent Standardfehler Koeffzent Standardfehler educ exper IQ IQfather Konstante SSE SSR SST a) Interpreteren Se den Effekt enes weteren Jahres Schul- und Berufsausbldung aus Modell 1 nhaltlch, wenn de anderen Varablen m Modell konstant gehalten werden. ( Punkte) Log-level Modell: En weteres Jahr Ausbldung brngt ceters parbus m Durchschntt ene Rendte n Höhe von 7,8%. b) Das angepasste Bestmmthetsmaß für Modell 1 beträgt 0,1857. Berechnen Se für Modell und beurtelen Se, ob de Aufnahme der Varable IQfather den Erklärungsgehalt des Modells verbessert. (4 Punkte) Modell : Adj. R^=1-SSR/SST*(n-1)/(n-k-1)=1-155,51/191,58*(1045-1)/( )=0,1851 Der Erklärungsgehalt erhöht sch durch de Aufnahme der zusätzlchen Varable ncht. c) Der Parameterschätzer für n Modell west enen p-ert von 0,55 auf. Erläutern Se anhand deses ertes de statstsche Sgnfkanz des Effekts. ( Punkte) De H 0 : 0 kann verworfen werden, wenn. Be p=0,55 st der Parameter jedoch auf jedem relevanten Sgnfkanznveau (1%, 5%, 10%) nsgnfkant. d) Erläutern und begründen Se formal, nwefern de Aufnahme der Varable IQfather n das Modell de Präzson der Schätzergebnsse für verschlechtern könnte. erden Ihre Überlegungen durch den Regressonsoutput bestätgt? (6 Punkte) Standardfehler von : - Der Parameter wrd durch de Berückschtgung der rrelevanten Varable IQfather mt zu großer Varanz bzw. zu großem Standardfehler geschätzt. /10
3 - ormale Begründung: Es glt se /SST 1. Dabe st das Bestmmthetsmaß ener Regresson von IQ auf alle anderen erklärenden Varablen. Da IQ und IQfather wohl hoch mtenander korreleren, dürfte n Modell deutlch größer sen als n Modell 1. olglch wrd der Standardfehler größer geschätzt. - Der Regressonsoutput bestätgt des: Der Standardfehler des Parameterschätzers der Varable IQ wrd n Modell sechs mal so groß geschätzt. Aufgabe : [1 Punkte] Se nteresseren sch für de Determnanten des Geburtsgewchts von Säuglngen. ür Ihre Analyse stehen Ihnen folgende Informatonen für 1388 Neugeborene zur Verfügung: bweght Gewcht enes Kndes be der Geburt n Pfund cgs Anzahl der von der Mutter während der Schwangerschaft durchschnttlch gerauchten Zgaretten pro Tag feduc Schulausbldung des Vaters n Jahren meduc Schulausbldung der Mutter n Jahren male = 1 wenn männlch, = 0 sonst east = 1 wenn Eltern aus den neuen Bundesländern stammen, = 0 sonst ür de Grundgesamthet wrd folgendes Modell unterstellt: bweght = β0 1cgs feduc 3meduc 4male 5east + u Ene Schätzung n SPSS ergbt: Modell R R-Quadrat Modellzusammenfassung Korrgertes R- Quadrat Standardfehler des Schätzers 1,15 a,046,04 1,3195 a. Enflußvarablen : (Konstante), cgs, male, feduc, meduc, east Koeffzenten a Modell Ncht standardserte Koeffzenten Standardserte Koeffzenten Regressonskoeffz entb Standardfehler Beta 1 (Konstante) 7,013,7 30,83,000 cgs -,037,007 -,159-5,459,000 feduc,03,017,070 1,866,06 meduc -,01,019 -,040-1,06,88 male,8,07,090 3,183,001 east,303,099,087 3,061,00 a. Abhängge Varable: bweght T Sg. a) Interpreteren Se nhaltlch und bestmmen Se das zugehörge 99% Konfdenzntervall. (5 Punkte) Raucht de Mutter durchschnttlch ene Zgarette mehr am Tag während der Schwangerschaft, reduzert sch c.p. das erwartete Geburtsgewcht hres Kndes um 0,037 Pfund. KI = [ ˆ β ( ˆ 1 tα /, n k 1 se β1); ˆ β ( ˆ 1 + tα /, n k 1 se β1)] KI = [ 0.037,576 0,007; 0,037 +,576 0,007] = [ 0,055; 0,019] b) as versteht man unter dem sogenannten Dummy Varable Trap? Zegen Se anhand der Varanzformel für den KQ-Schätzer, welche olge für de Schätzung der Koeffzenten zu erwarten st. (4 Punkte) 3/10
4 Entsteht, wenn be ener abschleßenden Anzahl von Kategoren für en Merkmal für jede Kategore en Dummy n das Modell aufgenommen wrd und sch zusätzlch ene Konstante m Modell befndet. 1 n Varanzformel der Dummykoeffzenten wrd 1 (perfekte Multkollneartät). Schätzer snd ncht mehr zu dentfzeren, da Varanz gegen unendlch geht. c) e könnten Se durch das Enfügen ener zusätzlchen Varable testen, ob Jungs, deren Eltern aus Ostdeutschland stammen sgnfkant schwerer snd als Jungs, deren Eltern aus estdeutschland stammen? ( Punkte) Interaktonsterm male*east enfügen und statstsche Sgnfkanz des Koeffzenten überprüfen. d) Snd de beden Varablen feduc und meduc jewels am 5% Nveau sgnfkant? Begründen Se kurz. arum st es snnvoll, de beden Varablen n enem -Test gemensam zu testen? (4 Punkte) Nen, da de p-erte beder Varablen größer 0,05 snd. Schulausbldung der Mutter und Schulausbldung des Vaters u. U. korrelert. Des wrd bem t-test ncht berückschtgt. e) ühren Se für de beden Varablen feduc und meduc den -Test am 5% Sgnfkanznveau durch. Verwenden Se herfür zusätzlch untenstehenden Output. Es snd Null- und Alternatvhypothese, Teststatstk, krtscher ert, rehetsgrade und Testentschedung anzugeben. (6 Punkte) Modell R R-Quadrat Modellzusammenfassung Korrgertes R- Quadrat Standardfehler des Schätzers 1,09 a,044,04 1,453 a. Enflußvarablen : (Konstante), east, cgs, male b. Abhängge Varable: bweght - Hypothesen: : 0 : - Teststatstk: / =,,/ =1,45 /,/ - Krtscher ert: ;,,;, 3,00 - Verglech Teststatstk mt krtschem ert: 1,45<3,00 Testentschedung: De Nullhypothese kann am 5% Sgnfkanznveau ncht verworfen werden. De Parameter snd auch gemensam ncht sgnfkant von Null verscheden. Aufgabe 3: [8 Punkte] Das Engelsche Gesetz besagt, dass de Ausgaben für Ernährung vom Haushaltsenkommen abhängen. Se versuchen, dese ökonomsche Hypothese n enem Modell darzustellen. Ihr Datensatz enthält folgende Varablen für 58 Haushalte: consum wöchentlche Ausgaben für Ernährung (n ) wage wöchentlches Enkommen (n ) wage quadrertes wöchentlches Enkommen Se schätzen das Modell und erhalten folgenden SPSS-Output: 4/10
5 Modell Koeffzenten a Ncht standardserte Koeffzenten Standardserte Koeffzenten Regressonskoeff zentb Standardfehler Beta 1 (Intercept) 50,87 14,81 3,395,001 wage 1,393,096,5 14,566,000 wage -0,0014,000-1,98-8,495,000 a. Abhängge Varable: consum a) Be welchem Enkommen snd de durchschnttlchen Ernährungsausgaben maxmal? (3 Punkte) 0,, 569,04 De durchschnttlchen Ernährungsausgaben errechen hr Maxmum be enem wöchentlchen Enkommen von 569,04. b) Bestmmen Se de margnalen Effekte für Enkommen von 70 und 500 und nterpreteren Se dese. (3 Punkte) 1,393 0, ,73 Ene Erhöhung des wöchentlchen Enkommens um enen auf enem Enkommensnveau von 70 pro oche erhöht c.p. de durchschnttlchen wöchentlchen Ausgaben für Ernährung um 0,73. 1,393 0, ,169 Ene Erhöhung des wöchentlchen Enkommens um enen auf enem Enkommensnveau von 500 pro oche erhöht c.p. de durchschnttlchen wöchentlchen Ausgaben für Ernährung um 0,169. c) ormuleren Se das Modell um, sodass Ihnen der geschätzte Lohn-Koeffzent ene Elastztät angbt. ( Punkte) T Sg. Aufgabe 4: [1 Punkte] De USA mportert ene Chemkale aus 31 verschedenen Ländern. Ene Gruppe von 6 Ländern hat enen Zoll auf den Chemkalenexport. Der Datensatz beschrebt de Handelsbezehung der USA zu jedem der 31 Länder und benhaltet folgende Varablen: vol Importvolumen der Chemkale aus Land n Tonnen prod Volumen der Produkton der Chemkale m Land n Tonnen dst Dstanz zwschen den USA und dem Land n km wk echselkurs (Dollar gegenüber ährung n Land ) zoll Dummy-Varable; 1 = Land verlangt Zoll, 0 = sonst Se schätzen zunächst das Modell log( vol) = β0 1log( prod) log( dst) 3log( wk) + u und erhalten folgenden Output: Modell: n=31; SSR=44,74; SST=63,534; R =0,304 5/10
6 Koeffzenten a RegressonkoeffzentB Standardfehler T Sg. log(prod) 3,107,474 6,56 0,000 log(dst) -,14,897-0,4 0,81 log(wk),993,37,68 0,008 Konstante -18,01 0,834-0,87 0,384 a. Abhängge Varable: log(vol) a) Interpreteren Se das Schätzergebns für β statstsch und nhaltlch. ( Punkte) 1% größere Entfernung zwschen den beden Ländern st ceters parbus korrelert mt enem Importrückgang von 0,14%. Der Parameterschätzer st statstsch ncht sgnfkant von null verscheden. b) Um zu prüfen, ob sch de Handelsbezehungen für Länder mt und ohne Zoll unterscheden, führen Se enen Chow-Test durch. Dazu schätzen Se nach dem gepoolten Modell zwe wetere Modelle, welche Ihnen folgende Informaton lefern: Modell für zoll=1: n=6; SSR=0,69; SST=,50; R =0,71 Modell für zoll=0: n=5; SSE=19,19; SST=61,84; R =0,313 ühren Se enen Chow-Test durch. Geben Se Nullhypothese, Teststatstk, rehetsgrade, den krtschen ert und Ihre Testentschedung an. (7 Punkte) H0 : β jzoll, = 0 = β jzoll, = 1 j = 0,...,3 H1: H0 falsch [ SSRP ( SSR1 + SSR)]/( k + 1) = ( SSR + SSR )/[ n ( k + 1)] 1 : 61, ,09,,,/,,/ ;;%,80, 0,090, H 0 kann ncht verworfen werden, da < c. c) Geben Se ene alternatve Vorgehenswese für den Chow-Test an, um mt nur enem Modell Unterschede n den Importdetermnanten für Länder mt und ohne Zoll untersuchen und testen zu können. Stellen Se de unrestrngerte Schätzglechung dar. (3 Punkte) -vollständg nteragertes Modell mt Zoll und -Test auf gemensame Sgnfkanz der Interaktonsterme. -Schätzglechung: log( vol) = β0 1log( prod) log( dst) 3log( wk) + zoll zoll log( prod) zoll log( dst) zoll log( wk) + u /10
7 Aufgabe 5: [1 Punkte] ahr oder falsch? Tragen Se für jede der folgenden Aussagen en w für wahr oder en f für falsch en. ür jede rchtge Antwort gbt es 0,5 Punkte, für jede falsche Antwort werden 0,5 Punkte abgezogen. De Gesamtpunktzahl kann ncht negatv werden. Mttelwerte snd stärker von Ausreßern beenflusst als Medanwerte. De Normalvertelung mt enem Erwartungswert von 1 bezechnet man als Standardnormalvertelung. Der LM-Test kann zum Testen mehrerer lnearer Restrktonen genutzt werden. Ist de Annahme MLR6 verletzt, glt de BLUE-Egenschaft ncht mehr. Der mt der KQ-Methode geschätzte Parameter st ene Zufallsvarable. Be Regressonen durch den Ursprung hat der Stegungsparameter den ert ens. De Annahme E(u x)=0 mplzert Cov(x,u)=0. De Standardabwechung ener Konstanten st 1. En Schätzer st konsstent, wenn mt zunehmender Stchprobengröße de Varanz des Schätzers stegt. Egenschaften des KQ-Schätzers, de nur für ene große Stchprobe (n ) defnert snd, nennt man asymptotsche Egenschaften. De χ²-vertelung nmmt nur postve erte an und st ncht symmetrsch. Zufallsvarablen snd..d., wenn se statstsch unabhängg und mt der glechen Dchtefunkton vertelt snd. De Nullhypothese : kann mttels t-test getestet werden. En von ens bedeutet, dass de Resduen alle den ert null annehmen. Durch Umskalerung ener der erklärenden Varablen können de Effekte der anderen Varablen verzerrt werden. De Resduen ener Regresson berechnen sch als Dfferenz zwschen tatsächlchen und vorhergesagten erten für de abhängge Varable. Be perfekter Multkollneartät geht de Störtermvaranz gegen unendlch. Ändern sch de Koeffzenten ener KQ-Schätzung be Aufnahme ener zusätzlchen Varablen waren de Schätzer m Ausgangsmodell unter Umständen verzerrt. De Aufnahme rrelevanter Varablen verzerrt de Koeffzenten der anderen Regressoren. Das Gauss-Markov Theorem besagt, dass der KQ-Schätzer be Gültgket der Annahmen MLR1-MLR5 unter allen lnearen, unverzerrten Schätzverfahren de klenste Varanz hat. Be ener Regresson durch den Ursprung verläuft de Regressonsgerade stets durch den Mttelwert der Daten,. enn de Störtermvaranz ncht konstant st, ergeben sch verzerrte KQ-Schätzer. Messfehler n ener der erklärenden Varablen können dazu führen, dass de Koeffzenten verzerrt snd. De Verwendung von Polynomen höherer Ordnung ener erklärenden Varablen führt zu perfekter Multkollneartät. Der KQ-Schätzer m enfachen lnearen Regressonsmodell entsprcht dem Verhältns der Stchprobenkovaranz zwschen erklärender und abhängger Varable zur Stchprobenvaranz der erklärenden Varablen. Je klener 1-α, desto enger st en Konfdenzntervall. Der p-ert m -Test auf Gesamtsgnfkanz enes Modells beschrebt de ahrschenlchket be ener -vertelten Zufallsvarable enen größeren ert als den der errechneten Teststatstk zu fnden. En Typ ehler wrd begangen, wenn ene falsche H 0 ncht verworfen wrd. In enem Test auf Gesamtsgnfkanz enes Modells werden so vele Restrktonen getestet we sch erklärende Varablen m Modell befnden. Legt der krtsche ert enes zwesetgen t-tests genau am 90. Perzentl der t n-k-1 Vertelung, wurde en Sgnfkanznveau von 90 Prozent gewählt. Der krtsche ert enes zwesetgen t-tests st be glechem Sgnfkanznveau stets größer als der enes ensetgen t- Tests. Je höher das, desto eher trfft de Annahme E(u x) = 0 zu, da de Modellanpassung an de Daten besser st. En Chow-Test kann über getrennte Schätzungen für zwe Gruppen durchgeführt werden. Over-controllng legt vor, wenn zu vele abhängge Varablen n ener Glechung berückschtgt werden. In Regressonsfunktonen können nur quanttatve Varablen analysert werden, da de Mttelwerte von qualtatven Varablen ncht snnvoll nterpretert werden können. 7/10
8 Mt Interaktonseffekten können für unterschedlche Gruppen verschedene Stegungsparameter bestmmt werden. En lneares ahrschenlchketsmodell kann vorhergesagte erte außerhalb des [0;1] Intervalls genereren. Ene Dummy-Varable wrd n Bezug auf ene Referenzgruppe nterpretert. Ausreßer-Beobachtungen können durch Logarthmerung der betroffenen Varable an Enfluss verleren. Varablen mt Ausprägungen 0 werden n ökonometrschen Modellen häufg logarthmert. De Effekte von standardserten Varablen können ncht drekt mtenander verglchen werden. Interaktonsterme werden stets n zweter Potenz ns Schätzmodell ntegrert. Aufgabe 6: [14 Punkte] elche Antwort st rchtg? Kreuzen Se nur ene Antwort pro Aufgabe an. alls mehrere Aussagen korrekt snd, kreuzen Se nur de entsprechende Antwortkombnaton an. ür jede rchtge Antwort gbt es 1 Punkt. ür falsche Antworten werden kene Punkte abgezogen. 1. En Intervallschätzer a st be sonst glechen Bedngungen für en Sgnfkanznveau von 0,05 breter als für en Sgnfkanznveau von 0,1. b wrd unter Verwendung der geschätzten Varanz des Störterms berechnet. c lefert nur für Querschnttsdaten en nterpreterbares Ergebns. d wrd enger, wenn der zugehörge Punktschätzer snkt. e a und b. f c und d.. Der Effekt enes Regressors m Modell st be negatver Korrelaton mt ener ausgelassenen erklärenden Varable a unterschätzt, wenn de ausgelassene Varable enen postven Effekt auf y hat. b überschätzt, wenn de ausgelassene Varable enen negatven Effekt auf y hat. c unterschätzt, wenn de ausgelassene Varable enen negatven Effekt auf y hat. d a und b. e a und c. f kene der Antworten. Be welchen der folgenden Modelle st aufgrund hrer Spezfkaton mndestens ene der Gauss-Markov Annahmen zum lnearen Regressonsmodell verletzt? 3. a log( y ) = β log( x) + log( x ) + u b 0 1 β log( y ) = β 0 1 log( x) [log( x)] + u c y β + x + u = 0 β 1 d y = β 0 1x1 x1 + u e a und c. f a und d. 4. De Varanz des KQ-Schätzers β1 st ceters parbus umso klener, je a größer de Varanz der Störterme st. b größer der Stchprobenumfang n st. c klener de Streuung der erklärenden x Varablen. d größer de Streuung der abhänggen y Varable. e a und c. f kene der genannten Antworten. 8/10
9 5. Der Zusammenhang zwschen zwe Varablen a wrd mt dem Standardfehler gemessen. b wrd mt dem Korrelatonskoeffzenten als lnearer Zusammenhang gemessen. c wrd nur mt expermentellen Daten verlässlch gemessen. d wrd mt der Standardabwechung gemessen. e a und b. f a und d. En unter den Gauss-Markov Annahmen unverzerrter Schätzer für de Varanz der Störterme u m Modell 6. y = β0 1x + u st a b c E( u u) d e f kene der genannten Antworten. 7. De Annahme ~..., mplzert unter anderem, dass a E( μ ) = 0 b Var( μ) = σ c Var( x) = σ d E( μ ) = x e a und b. f c und d. 8. Bem Umskaleren der abhänggen Varable m Modell y = β 0 1x + u ändern sch a de geschätzten Koeffzenten ncht. b de Standardfehler. c de t-statstken ncht. d de -Statstk. e a und d. f b und c. 9. Der p-ert n enem ensetgen t-test mt H 1 : β 1 > 0 a st das Sgnfkanznveau des Tests, n dem der emprsche t-ert glech dem krtschen ert der t- Vertelung st. b kann ncht größer 1 sen. c gbt de ahrschenlchket an, dass de t-vertelung enen ert annmmt, der größer st als der berechnete t-ert. d a und b. e a, b und c. f kene der Antworten. 10. Das angepasste Bestmmthetsmaß a kann ncht snken, wenn zusätzlche Varablen n das Modell aufgenommen werden. b stegt, sobald der Betrag der t-statstk ener zusätzlch aufgenommenen Varable 1 st. c kann ncht negatv werden. d hat de gleche Interpretaton we das Bestmmthetsmaß. e a und c. f b und d. 9/10
10 11. Dummy-Varablen a nehmen nur erte zwschen 0 und 1 an. b nehmen typscherwese de Ausprägungen 0 und 1 an. c können mehr als zwe Ausprägungen haben. d snd für qualtatve Informatonen ncht defnert. e a, b, c und d. f kene der Antworten. 1 Der Typ ehler a wrd begangen, wenn ene falsche H 0 ncht verworfen wrd. b wrd begangen, wenn ene wahre H 0 verworfen wrd. c entsprcht der ahrschenlchket 1-α. d entsprcht dem Sgnfkanznveau α. e Antworten a und c snd zutreffend. f Antworten a, b, und d snd zutreffend. De H : β 1 = β = β 3 = 0 n enem -Test auf dem 5% Sgnfkanznveau für en Modell mt Konstante (19 Beobachtungen) a wrd verworfen, wenn de Anzahl der Regressoren seben und = 3,58 beträgt. b wrd verworfen, wenn de Anzahl der Regressoren seben und = 7,0 beträgt. wrd verworfen, wenn de Beobachtungszahl auf 100 stegt, de Anzahl der Regressoren seben und = c,7 beträgt. d a und c. e b und c. f kene der Antworten. 14. Der KQ-Schätzer a mnmert de Summe der quadrerten vertkalen Abwechungen von der Regressonsgeraden. b mnmert de Resduenquadratsumme. c mnmert den unerklärten Tel der Streuung n der abhänggen Varable. d maxmert. e a und b. f Alle Antworten snd zutreffend. 10/10
Beschreibung 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
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung
Lehrstuhl für Statstk und emp. Wrtschaftsforschung, Prof. R. T. Rphahn, Ph.D. Bachelorprüfung, Praxs der emprschen Wrtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxs der emprschen Wrtschaftsforschung
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 + + +
MehrP[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)
Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
Mehr-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
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
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
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
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
MehrEmpirische Wirtschaftsforschung
Emprsche Wrtschaftsforschung Prof. Dr. Bernd Süßmuth Unverstät Lepzg Insttut für Emprsche Wrtschaftsforschung Volkswrtschaftslehre, nsbesondere Ökonometre 5. Enfaches OLS-Regressonsmodell 5.1. Herletung
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung
Lehrstuhl ür Statstk und emp. Wrtschatsorschung, Pro. R. T. Rphahn, Ph.D. Bachelorprüung, Praxs der emprschen Wrtschatsorschung Augabe 1: [11 Punkte] Se vermuten, dass das Nveau der Wohnungsmeten n Unverstätsstädten
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
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
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
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
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
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
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
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.
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:
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
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 )
MehrTeil E: Qualitative abhängige Variable in Regressionsmodellen
Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.
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
MehrAuswertung 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;
MehrAnalyse von Querschnittsdaten. Bivariate Regression
Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
Mehr(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y
5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
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
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
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
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
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
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 unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrKapitel 3: Interpretation und Vergleich von Regressionsmodellen
Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung
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
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
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 8. Übung (08.01.2008) Agenda Agenda Verglech Rasch-Modell vs. 2-parametrsches logstsches Modell nach Brnbaum 2PL-Modelle n Mplus Verglech
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =
MehrKurs 9.3: Forschungsmethoden II
MSc Bankng & Fnance Kurs 9.3: Forschungsmethoden II Zetrehenanalyse Lernsequenz 08: Enführung Panelregresson Dezember 2014 Prof. Dr. Jürg Schwarz Inhaltsverzechns Fole 2 Paneldaten 3 Arten von Stchproben...
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
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
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
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
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
MehrMusterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur
Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
Mehr2.1 Einfache lineare Regression 31
.1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große
MehrStatistische Methoden für Bauingenieure WS 13/14
Statstsche Methoden ür Baungeneure WS 3/4 Enhet 3: Bvarate Zuallsvarablen Unv.Pro. Dr. Günter Blöschl Bezechnungen... Zuallsvarable... Realsaton konkrete Werte Momente Grundgesamthet Mttelwert,Varanz Stchprobe
MehrANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas
Ao.Prof.DI.Dr Josef Haas josef.haas@medungraz.at ANOVA (Analyss of Varance) Varanzanalyse Statstk Methoden Verglech von Mttelwerten Ao.Unv.Prof.DI.Dr. Josef Haas josef.haas@medungraz.at Ausgangsstuaton
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
MehrLernziele. Kapitel 1: Einführung. Was ist und wozu benötigt man die Ökonometrie? 1.1 Technische Vorbemerkungen
Kaptel : Enführung. Technsche Vorbemerkungen. Inhaltlche Glederung und Zele der Veranstaltung.3 Ökonometre: Was, wozu und we? Lernzele Was st und wozu benötgt man de Ökonometre? We rechnet man mt Vektoren
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
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
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:
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
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
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
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
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
Mehr(Essentiell) τ-äquivalente Tests:
(Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,
MehrHydrologie und Flussgebietsmanagement
13.11.010 Hydrologe und Flussgebetsmanagement o.unv.prof. DI Dr. H.P. Nachtnebel Insttut für Wasserwrtschaft, Hydrologe und konstruktver Wasserbau Glederung der Vorlesung Statstsche Grundlagen Extremwertstatstk
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastk, 11.5.13 Wr gehen stets von enem Maßraum (, A, µ) bzw. enem Wahrschenlchketsraum (,A,P) aus. De Borel σ-algebra auf R n wrd mt B n bezechnet, das Lebesgue Maß auf R n wrd mt
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
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
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
Mehr1. Teilprüfung FS 2008
. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 Vorname:... Name:... Stud. Nr.:... Studenrchtung:... . Telprüfung: Statstk und Wahrschenlchketsrechnung
MehrME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell
ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.
MehrVerteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 Kenngrössen der Statstk Für de Auswertung von Datenrehen werden verschedene Kenngrössen
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
MehrStatistische Berichte
Statstsche Berchte De Entcklung der Bevölkerung m Saarland 2014 bs 2060 Ergebnsse der 13. koordnerten Bevölkerungsvorausberechnung Altersaufbau der Bevölkerung m Saarland Altersjahre 100 95 90 85 80 75
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
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
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
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
MehrLineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen
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
MehrEmpirische Softwaretechnik Grundlagen der Statistik
Emprsche Softwaretechnk Dr. Vctor Pankratus Andreas Höfer Wntersemester 2009/2010 IPD Tchy, Fakultät für Informatk KIT de Kooperaton von Forschungszentrum Karlsruhe GmbH und Unverstät Karlsruhe (TH) Das
MehrISBN (Print); (PDF)
Bblografsche Informaton der Deutschen Natonalbblothek De Deutsche Natonalbblothek verzechnet dese Publkaton n der Deutschen Natonalbblografe; detallerte bblografsche Daten snd m Internet über http://dnb.dnb.de
MehrKapitel 4. Eigenschaften von OLS-Schätzfunktionen
Kaptel 4 Egenschaften von OLS-Schätzfunktonen De Mathematk st ene Art Spelzeug, welches de Natur uns zuwarf zum Troste und zur Unterhaltung n der Fnsterns. (Jean le Rond d Alembert, 1717-1783) Wr haben
MehrAufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft
Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007
Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt
MehrOrdered Response Models (ORM)
Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
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:
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrKapitel 4. Eigenschaften von OLS-Schätzfunktionen
Kaptel 4 Egenschaften von OLS-Schätzfunktonen De Mathematk st ene Art Spelzeug, welches de Natur uns zuwarf zum Troste und zur Unterhaltung n der Fnsterns. (Jean le Rond d Alembert, 1717-1783) Wr haben
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
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,
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
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
MehrKlausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:
Klausuren zum Üben Aufgabentyp I. Unter den Schülernnen und Schülern der Klassenstufe 5 ener Realschule bestzen 40 en Handy. Unter desen wurde ene Erhebung durchgeführt über de Anzahl von Anrufen (Merkmal
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,,
Mehr