Statistik. von Univ.-Prof. Dr. Karl Mosler Universität zu Köln
|
|
- Pamela Adler
- vor 6 Jahren
- Abrufe
Transkript
1 Statstk von Unv.-Prof. Dr. Karl Mosler Unverstät zu Köln Der Begrff Statstk hat m Deutschen mehrere Bedeutungen: Erstens das Ergebns ener Datenerhebung und -auswertung, zwetens de entsprechende Aktvtät, drttens de Gesamthet der mt deser Aktvtät befassten Insttutonen, und vertens de wssenschaftlche Dszpln Statstk. Um letztere hauptsächlch geht es m Folgenden. Statstk als wssenschaftlche Dszpln st de Lehre von der methodschen Erhebung und Auswertung von Daten. Zu hren Aufgaben gehören de methodsche Erhebung und Berengung der Daten, de graphsche Darstellung, das Charakterseren durch Kennzahlen, das Schätzen unbekannter Parameter, das Testen von Hypothesen, de Prognose künftger Entwcklungen. Se gledert sch n zwe große Bereche, de beschrebende Statstk und de schleßende Statstk. De letzten dre Aufgaben und Tele der ersten werden der schleßenden Statstk, de übrgen der beschrebenden Statstk zugerechnet. De betrebswrtschaftlche Theore macht Aussagen über ökonomsche Größen und hre Bezehungen unterenander. Dese Aussagen bezehen sch auf reale Sachverhalte. Ihre Gültgket kann anhand von Beobachtungen des wrtschaftlchen Geschehens überprüft und quantfzert werden. Beobachtungen müssen zunächst enmal beschreben und gemessen werden. De Beobachtung und Messung des wrtschaftlchen Geschehens und de Sammlung der so gewonnenen Daten snd de Aufgaben der Wrtschaftsstatstk. De beschrebende Statstk, auch deskrptve Statstk genannt, dent dazu, de Daten unter bestmmten Aspekten zu beschreben und de n den Daten enthaltene Informaton auf hren für ene gegebene Fragestellung wesentlchen Kern zu reduzeren. De schleßende Statstk stellt darüber hnaus Methoden beret, um Aussagen der Theore anhand von Beobachtungsdaten als Hypothesen zu wderlegen oder zu bestätgen. Außerdem umfasst se Methoden, um unbekannte Modellparameter zu schätzen und um künftge Entwcklungen zu prognostzeren. Ene Grundaufgabe der beschrebenden Statstk st de Charakterserung der Daten durch Kennzahlen. De wchtgsten Kennzahlen snd Maße der Lage, der Streuung, und der Schefe sowe, be mehreren Merkmalen, des Zusammenhangs. Ene wetere Grundaufgabe der beschrebenden Statstk besteht darn, de Daten n Graphken überschtlch und anschaulch darzustellen. Der Datenerhebung voraus geht de snnvolle Auswahl der Beobachtungsenheten. De Erkennung und etwage Elmnaton von extremen oder untypschen Beobachtungen, so genannten Ausreßern, st ebenfalls ene Aufgabe der Statstk. Be Zetrehendaten st ggf. de Sasonfgur zu bestmmen und de Zetrehe um de Enflüsse der Sason zu berengen. De schleßende Statstk nennt man auch nduktve Statstk oder statstsche Inferenz. Se betet ene spezelle Art von Logk, de es erlaubt, aus Beobachtungsdaten Schlüsse zu zehen.
2 2 Allerdngs gelten de betreffenden Folgerungen ncht mt Scherhet, sondern nur mt großer Wahrschenlchket und unter bestmmten Annahmen über de Entstehung der Daten. In der statstschen Inferenz werden de beobachteten Daten als Ergebnsse von Zufallsvorgängen angesehen und m Rahmen von Wahrschenlchketsmodellen analysert. De Wahrschenlchketsrechnung bldet deshalb de Grundlage der statstschen Inferenz. Ausgangspunkt jeder statstschen Untersuchung st de Festlegung ener Grundgesamthet (Bespel: Börsentage enes Jahres, Betrebe ener Branche) und enes oder mehrerer beobachtbarer Merkmale, über de etwas ausgesagt werden soll. Grundlegend für de Auswertung st das Skalennveau der Merkmalswerte (=Daten). Man sprcht von metrsch skalerten Daten, wenn de Merkmalswerte Zahlen snd und hre Dfferenzen snnvoll verglchen werden können (Bespel: Temperatur, Beschäftgtenzahl), von ordnal skalerten Daten, wenn de Merkmalswerte snnvoll der Größe nach geordnet werden können; ansonsten von nomnal skalerten Daten. Be ener Totalerhebung werden de Daten aller Enheten der Grundgesamthet beobachtet, be ener Telerhebung nur ene Stchprobe davon. Ene solche Stchprobe muss nach allgemenen Prnzpen ausgewählt werden: Be der renen Zufallsauswahl hat jede Enhet der Grundgesamthet de gleche Chance, n de Stchprobe zu kommen. Be der geschchteten Zufallsauswahl wrd de Grundgesamthet zunächst n Schchten (bspw. de Wohnbevölkerung n In- und Ausländer) zerlegt und dann n jeder Schcht ene Zufallsauswahl durchgeführt. De Quotenauswahl st ene nchtzufällge, systematsche Auswahl, be der bestmmte vorgegebene Antele (bspw. an Männern und Frauen und an Altersgruppen) engehalten werden. Wenn de Daten egens für de Untersuchung erhoben werden, legt ene Prmärerhebung vor, ansonsten ene Sekundärerhebung. Längsschnttdaten bezehen sch auf enen Merkmalsträger zu verschedenen Zeten, Querschnttsdaten auf mehrere Merkmalsträger zu enem Zetpunkt; Paneldaten stellen ene Kombnaton von Längsschntt- und Querschnttdaten dar. En erster Schrtt der Auswertung st de Häufgketstabelle; se enthält alle möglchen Werte enes Merkmals und de absoluten (oder relatven) Häufgketen, mt denen se n den Daten vorkommen; se heßt auch dskrete Klasserung und lässt sch graphsch auf velerle Wese (etwa als Säulendagramm) veranschaulchen. Wenn ledglch de Häufgketen gezählt werden, mt denen de Merkmalswerte n bestmmte Intervalle fallen, sprcht man von stetger Klasserung; se st mt enem Informatonsverlust gegenüber den ursprünglchen Daten verbunden. En Lageparameter spegelt Verschebungen der Daten sowe Änderungen der Maßenhet weder. Wchtgster Lageparameter für metrsche Daten st das arthmetsche Mttel ( Mttelwerte), für ordnale Daten der Medan, für nomnale der Modus. En Skalenparameter ändert sch ncht be ener Verschebung der Daten, jedoch be ener Änderung der Maßenhet. Wchtgste Skalenparameter für metrsche Daten snd Standardabwechung und Spannwete, für ordnale Daten der Quartlsabstand ( Medan). Wetere Kennzahlen der Vertelung enes Merkmals snd Schefeparameter, de de Asymmetre, sowe Wölbungsparameter, de de Masse auf den äußeren Flanken der Vertelung messen ( emprsche Momente). Werden zwe Merkmale zuglech betrachtet, bldet man zuerst ene (zwedmensonale) Tabelle der gemensamen Häufgketen, auch Kontngenztafel genannt. Ihre Zelen- bzw. Spaltensummen blden de Randhäufgketen, das snd de gewöhnlchen Häufgketen der enzelnen Merkmale. Der Zusammenhang zweer Merkmale wrd durch den Korrelatonskoeffzenten gemäß Bravas-Pearson (be metrschen Daten), den
3 3 Rangkorrelatonskoeffzenten gemäß Spearman (be ordnalen Daten) und den Kontngenzkoeffzenten (be nomnalen Daten) gemessen. Dabe st zu beachten, dass der Korrelatonskoeffzent nur etwage lneare Zusammenhänge der Merkmale msst; en nchtlnearer, etwa quadratscher Zusammenhang blebt unbeachtet. Wchtgste Methode, den Zusammenhang zweer Merkmale zu quantfzeren, st de Regresson. De lneare Regresson unterstellt enen lnearen Zusammenhang zwschen dem Merkmal Y (der erklärten Varablen ) und dem Merkmal X (der erklärenden Varablen ), was graphsch ener Geraden n der XY-Ebene entsprcht. In der multplen lnearen Regresson wrd en Merkmal Y n entsprechender Wese durch mehrere Merkmale X,..., X m erklärt. Im Untersched zur beschrebenden Statstk bezeht de schleßende Statstk Begrffe und Modelle der Wahrschenlchketsrechnung n hre Methoden en. Man unterstellt, dass de erhobenen Daten Ergebnsse enes Zufallsvorgangs, das heßt, Realsatonen von Zufallsvarablen snd. Dabe werden Annahmen über desen Zufallsvorgang etwa, dass es sch um ene enfache Zufallsstchprobe handelt und über de n Frage kommenden Wahrschenlchketsvertelungen der Zufallsvarablen getroffen. Aus den beobachteten Daten zeht man dann mt Hlfe der Wahrschenlchketsrechnung Folgerungen über de konkret vorlegende Vertelung, nsbesondere über Erwartungswert, Varanz und anderen Parametern deser Vertelung. Weterhn st es möglch, Wahrschenlchketsaussagen über de Genaugket von Schätzern und de Gültgket von Hypothesen zu treffen. Etwa m Fall der lnearen Regresson unterstellt man, dass de Abwechungen zwschen dem beobachteten Y und dem erklärten lnearen Zusammenhang normalvertelt snd. Dann lässt sch mt Hlfe enes Sgnfkanztests entscheden, ob de Hypothese, dass de Stegung der Geraden von ull verscheden st, statstsch geschert werden kann. Ebenso lässt sch für jeden der beden Parameter der Regresson, Stegung und Ordnatenachsenabschntt, en Konfdenzntervall angeben, durch das der unbekannte Parameter mt ener vorgegebenen Wahrschenlchket (z.b. von 95%) überdeckt wrd. Statstsche Methoden snd unversell; se hängen grundsätzlch ncht vom Gebet hrer Anwendung ab. Enge Spezalgebete der Statstk snd jedoch von besonderer Bedeutung für de Betrebswrtschaftslehre: Zetrehenanalyse, Prognoseverfahren, Regressons- und Korrelatonsanalyse, Clusteranalyse, Eregnsanalyse, Statstsche Qualtätskontrolle; s.u. ene Auswahl aus der Lteratur. Sehe auch statstsche Software, Ausbldung n Statstk, Insttutonen der Statstk, Deutsche Statstsche Gesellschaft, Allgemene Enführungen n de Statstk für Betrebswrte (Auswahl): Bamberg, G., Baur, F. (2002): Statstk. Oldenbourg, München, 2. Auflage. Lppe, P. von der (996): Wrtschaftsstatstk. Amtlche Statstk und Volkswrtschaftlche Gesamtrechnungen. Lucus & Lucus, Stuttgart, 5. Auflage. Mosler, K., Schmd, F. (2005): Beschrebende Statstk und Wrtschaftsstatstk. Sprnger, Berln, 2. Auflage. Mosler, K., Schmd, F. (2005): Wahrschenlchketsrechnung und schleßende Statstk. Sprnger, Berln, 2. Auflage.
4 4 Rnne, H., (996): Wrtschafts- und Bevölkerungsstatstk: Erläuterungen, Erhebungen, Ergebnsse. Oldenbourg, München, 2. Auflage. Schra, J.(2005): Statstsche Methoden der VWL und BWL. Pearson Studum, München, 2. Auflage. Enführungen n relevante Spezalgebete (Auswahl): Blossfeld, H.-P., Hamerle, A., Meyer, K.U. (986): Eregnsanalyse. Campus, Frankfurt. Fahrmer, L., Hamerle, A. Tutz, G. (996): Multvarate statstsche Verfahren, DeGruyter, Berln, 2. Auflage. Pokropp, F. (996): Stchproben: Theore und Verfahren. Oldenbourg, München. Rnne, H. Mttag, H.-J. (99): Statstsche Methoden der Qualtätsscherung, Hanser, München. Internetsete des Autors:
5 5 ERKLÄRUGSSTICHWÖRTER Ausbldung n Statstk Im Rahmen des Studums der Betrebswrtschaftslehre an den deutschsprachgen Unverstäten und Fachhochschulen gehört ene Grundausbldung n Statstk zum Pflchtprogramm. Se umfasst n der Regel sowohl beschrebende als auch schleßende Methoden. Grundständge Studengänge des Fachs Statstk beten de Unverstäten Dortmund und München sowe de Berlner Free Unverstät gemensam mt der Humboldt- Unverstät Berln. An den mesten Hochschulen st nnerhalb des Studums der Mathematk ene Vertefung n statstschen Methoden möglch. Insttutonen der Statstk Zur amtlchen Statstk n Deutschland gehört das Statstsche Bundesamt ( de statstschen Ämter der Länder und Kommunen sowe de statstschen Abtelungen weterer Behörden, etwa der Deutschen Bundesbank ( der Bundesagentur für Arbet ( und des Bundesmnsterums der Fnanzen ( Zur nchtamtlchen Statstk zählt man de unabhänggen Wrtschaftswssenschaftlchen Insttute: Das Insttut für Weltwrtschaft n Kel ( das Deutsche Insttut für Wrtschaftsforschung n Berln ( das Hamburger Weltwrtschaftlche Archv ( das IFO-Insttut für Wrtschaftsforschung ( das Rhensch-Westfälsche- Insttut für Wrtschaftsforschung ( und das Insttut für Wrtschaftsforschung Halle ( Zur nchtamtlchen Statstk gehören auch de Wrtschaftsforschungsnsttute von Interessenverbänden sowe unabhängge Insttutonen we der Sachverständgenrat zur Begutachtung der gesamtwrtschaftlchen Entwcklung ( de Monopolkommsson ( und Umfragensttute we IFAS ( und das Insttut für Demoskope Allensbach ( Wetere nützlche Datenquellen beten de nternatonalen Insttutonen, nsbesondere EUROSTAT ( de OECD ( und de Verenten atonen ( Statstsche Software Vele enfache statstsche Berechnungen lassen sch berets mt enem Tabellenkalkulatonsprogramm we EXCEL durchführen; ene Enführung dazu betet das Lehrbuch Mosler/Schmd, Beschrebende Statstk und Wrtschaftsstatstk, Berln De kommerzellen Programmsysteme SPSS ( und S-Plus ( enthalten ene Velzahl von über Menüs zugänglchen höheren
6 6 statstschen Verfahren; hr snnvoller Ensatz setzt bem Benutzer allerdngs ene genaue Kenntns der verwendeten Methoden und hrer spezfschen Voraussetzungen voraus. Das Gleche glt für de Programmsysteme Stata ( und SAS ( de wetere flexble Möglchketen der statstschen Analyse beten. Spezell für de Analyse von Zetrehen und ökonometrschen Problemen wurde das Programmsystem Evews ( entwckelt. Ene nchtkommerzelle, kostenlose Alternatve zu S-Plus betet das Projekt R ( Deutsche Statstsche Gesellschaft De Deutsche Statstsche Gesellschaft ( wurde 9 von Georg von Mayr gegründet. Se umfasst etwa 800 Statstker aller Fachrchtungen als Mtgleder. Ihr Zel st de Förderung der statstschen Wssenschaften n Theore und Praxs. Se versteht sch dabe als Bndegled zwschen den Produzenten und den utzern statstscher Methoden. Wssenschaftlche Zetschrft der Gesellschaft st das verteljährlch erschenende Allgemene Statstsche Archv. Wahrschenlchketsrechnung De Wahrschenlchketsrechnung dent der Quantfzerung des möglchen Auftretens von Eregnssen. Grundmodell st der Zufallsvorgang, das st en Vorgang, dessen Ergebns m Voraus ncht feststeht. Jedem von endlch velen möglchen Ergebnssen wrd ene Zahl zwschen ull und Ens, sene Wahrschenlchket, zugeordnet; de Wahrschenlchketen aller Ergebnsse adderen sch zu Ens. Im Rahmen der Wahrschenlchketsrechnung werden abhängge und unabhängge Zufallsvorgänge, Folgen von Zufallsvorgängen und numersche Ergebnsse von Zufallsvorgängen ( Zufallsvarable) untersucht. Es werden Wahrschenlchketen abgeleteter Eregnsse berechnet und Wahrschenlchketsvertelungen von Zufallsvarablen durch geegnete Parameter charaktersert. De Wahrschenlchketsrechnung erstreckt sch auch auf Zufallsvarable mt unendlch velen Ergebnssen. Er erlaubt approxmatve Berechnungen von Wahrschenlchketen m Rahmen von sogenannten Grenzwertsätzen. Enführende Lteratur zur Wahrschenlchketsrechung für Betrebswrte: Bamberg, G., Baur, F. (2002): Statstk. Oldenbourg, München, 2. Auflage. Mosler, K., Schmd, F. (2005): Wahrschenlchketsrechnung und schleßende Statstk. Sprnger, Berln, 2. Auflage. Zufallsvarable Ene Zufallsvarable X st das numersche Ergebns enes Zufallsvorgangs ( Wahrschenlchketsrechnung). Se kann endlch oder unendlch vele Werte auf der Zahlengeraden annehmen. De Vertelungsfunkton F(x) ener Zufallsvarablen X gbt für jede Zahl x de Wahrschenlchket an, mt der X den Wert x ncht überstegt. Wchtgste
7 7 Parameter ener Zufallsvarablen X snd hr Erwartungswert und hre Varanz. Falls X nur endlch vele Werte x,..., x k mt Wahrschenlchketen p,..., p k annmmt, st sen k Erwartungswert E[ X ] = = x p, also das mt den Wahrschenlchketen gewchtete Mttel der Zufallsvarablen. De Varanz V [ X ] st de - ebenfalls mt den Wahrschenlchketen gewchtete - quadrerte Abwechung der Zufallsvarablen von hrem Erwartungswert: k 2 V [ X ] = = ( x [ ]) E X p. Der Erwartungswert charaktersert de Lage, de Varanz de Streuung ener Zufallsvarablen. De Quadratwurzel aus der Varanz heßt σ X = V X. Standardabwechung, [ ] [ ] Mttelwerte In der beschrebenden Statstk bezechnen Mttelwerte de allgemene Lage von metrsch skalerten ( Statstk) Daten x, x 2,..., x. Der am wetesten verbretete Mttelwert st das arthmetsche Mttel x = x ( ) = x + x + + x = 2 K. Es wrd auch kurz als Mttelwert oder Durchschntt der Daten bezechnet. Ene Verallgemenerung des arthmetschen Mttels bldet das gewchtete Mttel. Es hat de Form x w = = w x mt Gewchten w 0 für alle und = w =. Man nennt w x gewchtetes Mttel zum Gewchtsvektor w ( w w,..., ), 2 w n =. De Gewchte snd für de jewelge Anwendung geegnet zu wählen. Spezell, wenn alle Gewchte glech snd, erhält man das arthmetsche Mttel. Wenn man besonders große und besonders klene Werte weglässt, und zwar sowohl oben we unten enen Antelα der Daten ( 0 < 0,5) < α, und das arthmetsche Mttel aus den verblebenden Daten berechnet, erhält man das α -getrmmte Mttel x α. Das harmonsche Mttel x H st der Kehrwert des arthmetschen Mttels der Kehrwerte der Daten, = x =. Das geometrsche Mttel H x x G wrd vor allem zur Berechnung von durchschnttlchen Wachstumsfaktoren und Wachstumsraten benötgt (Voraussetzung: alle > 0 x = x x K. x ), es glt ( ) G 2 x Medan Falls de Daten x,..., x ordnal skalert ( Statstk) snd, wrd hre Lage durch den Medan beschreben. Um hn zu berechnen, ordnet man zunächst de Werte n aufstegender Wese. Falls ungerade st, st er der an de Stelle ( + ) / 2 geordnete Wert, falls gerade st, st er der an de Stelle / 2 geordnete Wert. Offenbar legt rechts und lnks vom Medan jewels etwa de Hälfe der Daten. In ähnlcher Wese werden wetere Quantle berechnet. Das untere Quartl telt de Daten m Verhältns 4 zu 3 4, das obere Quartl m Verhältns 3 4 zu 4. Quntle untertelen de Daten n Fünftel, Perzentle n Hundertstel.
8 8 Grundgesamthet De Grundgesamthet st de Gesamthet der Enheten, über de ene statstsche Untersuchung etwas aussagen soll. Se st ene Menge m Snne der Mengenlehre. Ihre Elemente heßen Untersuchungsenheten, statstsche Enheten oder Merkmalsträger. De Grundgesamthet ener statstschen Untersuchung muss n sachlcher, räumlcher und zetlcher Hnscht genau abgegrenzt sen. (Bespele: Personen mt deutscher Staatsangehörgket am , n Deutschland m Jahre 2004 produzerte Personenkraftwagen). Ene Grundgesamthet (oder enen Tel davon) bezechnet man auch als statstsche Masse. Man sprcht von ener Bestandsmasse, wenn se durch Angabe enes Zetpunkts abgegrenzt wrd, und von ener Bewegungsmasse, wenn se durch Angabe enes Zetraums bestmmt st. Unter enem Merkmal versteht man ene Egenschaft der Merkmalsträger, de statstsch untersucht wrd. En Merkmal hat verschedene möglche Merkmalswerte. Grundgesamthet und Merkmale müssen zu Begnn ener jeden statstschen Untersuchung präzse festgelegt werden. De zu untersuchenden ökonomschen Größen snd zu operatonalseren, d.h. um ene Vorschrft zu ergänzen, de hre konkrete numersche Beobachtung be den Merkmalsträgern ermöglcht. De beobachteten Werte enes Merkmals n ener Grundgesamthet werden n ener Datenmatrx zusammengefasst: deren Zelen entsprechen den Untersuchungsenheten, de Spalten den ggf. mehreren erhobenen Merkmalen. Indexzahlen De zetlche Veränderung ener enzelnen ökonomschen Größe (Bespel: Pres enes Markenprodukts) von enem Zetpunkt auf enen anderen wrd durch ene Messzahl, den Quotenten der Größe zu den beden Zetpunkten, dargestellt. Um de zetlche Änderung mehrerer Größen mt ener Zahl zu messen, muss man deren enzelne Messzahlen geegnet aggregeren. Ene Indexzahl st en gewchtetes Mttel ( Mttelwerte) von Messzahlen. Des se am Bespel enes Presndexes für Konsumgüter verdeutlcht: Her werden de Gewchte nach den wertmäßgen Antelen der enzelnen Güter am Konsum bemessen. Man betrachtet enen Warenkorb (das st ene Kollekton von bestmmten Gütern) zu zwe verschedenen Zeten, der Basszet und der Berchtszet. En Presndex st en gewchtetes Mttel von Presmesszahlen, d.h. der Presverhältnsse zwschen Bass- und Berchtszet der enzelnen Güter. Als Gewchte werden de Antele der Umsätze (Pres mal Menge) der enzelnen Güter am Gesamtumsatz verwendet. Der Presndex vom Typ Laspeyres st en gewchtetes arthmetsches Mttel, gewchtet mt den Umsätzen der Basszet. Der Presndex vom Typ Paasche st en gewchtetes harmonsches Mttel, gewchtet mt den relatven Umsätzen der Berchtszet. In entsprechender Wese werden Mengenndzes und Wertndzes gebldet. Das Statstsche Bundesamt ( Insttutonen der Statstk) berechnet und veröffentlcht regelmäßg Presndzes und andere Indexzahlen für de verschedenen Sektoren der Wrtschaft. Emprsche Momente
9 9 Betrachtet werden Daten x,..., x enes Merkmals. Als erstes emprsches Moment der Daten bezechnet man das arthmetsche Mttel x ( Mttelwerte) als zwetes emprsches Moment = 2 de emprsche Varanz σ = ( x x) X 2. De Wurzel aus der emprschen Varanz heßt 2 emprsche Standardabwechung. Während x en Lageparameter st, st σ X = σ X en 3 3 X / σ beschrebt Abwechungen der Daten von der Symmetre; be Symmetre glt g X = 0. Das verte emprsche Moment st de Wölbung oder Kurtoss; se st analog der Schefe mt der verten statt der drtten Potenz defnert. De Wölbung ener symmetrschen Vertelung von Daten st en Maß für de Stärke der Flanken der Vertelung, d.h. des relatven Auftretens extremer Werte. Skalenparameter. Das drtte emprsche Moment, de Schefe g = = ( x x) KURZSTICHWÖRTER Varanz.n der beschrebenden Statstk: sehe Emprsche Momente, 2. n der Wahrschenlchketsrechnung: sehe Zufallsvarable. Modus. (=Modalwert) von Daten: en am häufgsten vorkommender Merkmalswert ( Grundgesamthet), 2. ener stetgen Zufallsvarablen: Stelle des stelsten Anstegs der Vertelungsfunkton. Spannwete von Daten st de Dfferenz aus dem größten und dem klensten vorkommenden Wert ( Statstk).
wird 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
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
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
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
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
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
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;
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
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
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
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;
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
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
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
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
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
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
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
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
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
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
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
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
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
MehrUrsache der Ungewissheit kann dabei z.b. unvollständige Information sein oder unbekannte bzw. nicht beeinflussbare Bedingungen.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl/ FB GW Deskr.1 1 Warum Stochastk? Stochastk: Kunst des Mutmaßens (grech.) Mathematsche Stochastk beschäftgt sch mt der Beschrebung und Untersuchung von Erschenungen,
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
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
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 )
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
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
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
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
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
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
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.
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
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.
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
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
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
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
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
MehrEmpirische Wirtschaftsforschung
Emprsche Wrtschaftsforschung Prof. Dr. Bernd Süßmuth Unverstät Lepzg Insttut für Emprsche Wrtschaftsforschung Volkswrtschaftslehre, nsbesondere Ökonometre 5. Enfaches OLS-Regressonsmodell 5.1. Herletung
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:
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
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
MehrDatenaufbereitung und Darstellung
Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten
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
Mehr3.1 Häufigkeiten bei diskreten Merkmalen Absolute und relative Häufigkeiten Graphische Darstellungen 40
3 Häufgketen 3. Häufgketen be dskreten Merkmalen 39 3.. Absolute und relatve Häufgketen 39 3..2 Graphsche Darstellungen 40 3.2 Häufgketen be stetgen Merkmalen 42 3.2. Das Prnzp der Klassenbldung 42 3.2.2
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 + + +
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
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
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
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
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
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
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
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
Mehr2. Wahrscheinlichkeitsrechnung
. Grundlagen der Wahrschenlchketsrechnung. Wahrschenlchketsrechnung Der Wahrschenlchketstheore kommt ene wchtge Rolle als Bndegled zwschen der deskrptven und der nduktven Statstk zu. Aufgabe der nduktven
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
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,...,
Mehr3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
MehrHausübung 1 Lösungsvorschlag
Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch
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
MehrP(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =
Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20
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 ( =
MehrEmpirische Sozialforschung Eine Übersicht Ansgar A. Plassmann
Emprsche Sozalforschung Ene Überscht Ansgar A. Plassmann 1) Defntonen Emprsche Forschung such nach Erkenntnssen durch systematsche Auswertung von Erfahrungen emprsch : aus dem Grechschen auf Erfahrung
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
MehrSTATISTIK AUF DEM KREIS
- 17 - STATISTIK AUF DEM KREIS nach K. E. SElkrk, Unversty of Nottngham Orgnalttel n 'Teachng Statstcs' Vol. 4 (1982) Nr. 3: Statstcs on a Crcle tlbersetzung und Bearbetung: B. Wollrng De mesten Zufallsgrößen,
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
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
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
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
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:
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
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
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
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
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
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
Mehr9 Diskriminanzanalyse
9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe
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.
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
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,
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
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
MehrCarlton, M., Devore, J. Probability with Applications in Engineering, Science, and Technology, Springer 2014
Lteratur Moon Jung Cho, Wendy L. Martnez Statstcs n MATLAB: A Prmer, Chapman and Hall/CRC 2014 Carlton, M., Devore, J. Probablty wth Applcatons n Engneerng, Scence, and Technology, Sprnger 2014 Sheldon
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
MehrMathematik für MolekularbiologInnen. Vorlesung VII Block III: Wahrscheinlichkeit und Statistik Verteilungen und Lagemaßzahlen
Mathematk für MolekularbologInnen Vorlesung VII Block III: Wahrschenlchket und Statstk Vertelungen und Lagemaßzahlen Überscht Allgemene Defntonen Bezehung und Vsualserung von Daten Regresson, Fehlerbetrachtung
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
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
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
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 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation
Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
Mehr