Stochastik für die Naturwissenschaften
|
|
- Monika Kneller
- vor 6 Jahren
- Abrufe
Transkript
1 Stochastik für die Naturwisseschafte Dr. C.J. Luchsiger Hip hip hooray - Jetzt begit die eigetliche Statistik! 8. Schätze vo Parámeter ud Kofidezitervalle Literatur Kapitel 8 * Statistik i Cartoos: Kapitel 6 ud Kapitel 7 * Stahel: Kapitel 7 ud 9 * Storrer: Kapitel 42 ud Grudbegriffe der beurteilede Statistik Kapitel 42 i Storrer wird i der Vorlesug überspruge. Sie sollte es sicher zwei mal lese: eimal ach dieser Doppelstude, da am Schluss der Vorlesug ochmals. Lese Sie dazu auch i diesem Skript 5.3 ochmals durch. Kurz zusammegefasst (Storrer Kapitel 42): Statistik: aus Stichprobe Rückschlüsse auf Gesamtheit ziehe * Küke > Durchschittsgewicht * eue Kartoffelsorte > besser als alte? Alte Sorte Neue Sorte * Müze > fair? * Azahl Zerfälle > Poissoverteilt? Vgl Schluss Kapitel 7. Statistische Überprüfug eier eileuchtede Theorie ahad vo empirische Date. 129
2 Im erste Beispiel wird die Zufallsgrösse (zufällig ist die Auswahl des Kükes) X das Gewicht sei ud E[X] das durchschittliche Gewicht aller Küke. Wir habe ormalerweise icht ur ei Küke i der Stichprobe, soder allgemei, zum Beispiel = 50. Wie ist das zu verstehe? Die Date sid da x 1, x 2,..., x 50. (8.1) Das zugrude liegede Experimet (Auswahl eies Kükes) wird hierzu 50 mal (uabhägig) wiederholt (mit Zurücklege, siehe Storrer Kapitel 42). Wir habe damit eie Folge vo Zufallsgrösse X 1, X 2,..., X 50, (8.2) welche im kokrete Fall (8.1) hervorgebracht habe. Diese Folge i (8.2) wird mit iid Zufallsgrösse modelliert - ausser wir vereibare etwas aderes. Lese Sie dazu vor allem Seite 202 i Storrer aufmerksam durch - vielleicht werde Ihe damit Kapitel 5 ud 7 eher klar. 130
3 8.1 Schätze vo Parameter (Estimatio of parameters) Schätze des Erwartugswerts Gegebe sei eie Stichprobe vom Umfag 9. Der Mittelwert der Grudgesamtheit ist leider ubekat. Wir wolle diese Mittelwert schätze. Die Stichprobe sieht folgedermasse aus (bereits der Reihe ach geordet ud auf 2 Stelle ach dem Komma gerudet): 0.21, 0.11, 0.39, 0.64, 1.24, 1.46, 1.51, 2.89, 3.53 Wie köte wir µ schätze? Wir bezeiche eie Schätzer für eie Parameter µ mit ˆµ (für σ 2 mit ˆσ 2 ). 131
4 Welche Vorschlag sollte wir warum auswähle? MathematikerIe habe mit gutem Grud das arithmetische Mittel 1 als de Schätzer für de Mittelwert idetifiziert. X i Warum ud Eiwäde: 1. Eier vo viele Grüde ist die Erwartugstreue: Wie i Kapitel 5 berechet, gilt ämlich E [ 1 X i] = µ. Also wird ma im Mittel (we wir immer wieder ereut mit eue Date mit dem arithmetische Mittel de Erwartugswert bereche) de Erwartugswert geau treffe. 2. We wir zudem immer mehr Date erhalte, also das erhöhe, wird wege des LLN der Schätzwert immer äher a de Erwartugswert komme (siehe Kapitel 7.1). 3. Leider hat das arithmetische Mittel eie grosse Nachteil: die starke Abhägigkeit vo Ausreisser, also extreme Werte. We auch ur ei Datewert völlig falsch ist (Übermittlugs- oder Ablesefehler), da wird das arithmetische Mittel evetuell auch total falsch. Der Media ist robuster. Das heisst für die Praxis: 132
5 8.1.2 Schätze der Variaz Wir habe bereits i der beschreibede Statistik de folgede Schätzer für die Variaz keegelert: 1 ( 1) (x j x) 2. j=1 Warum wird vorgeschlage, durch ( 1) zu teile? Die Atwort fidet sich i (43.6), wobei die kokrete Rechuge aalog aber viel komplizierter - sid. wieder um die Erwartugstreue: [ 1 E ( 1) ] (X j X) 2 = σ 2. j=1 Es geht Durchschitt als Zufallsgrösse Wir sid bis jetzt (vgl Teil 8.0 ud 5.3) locker zwische kleie x ud grosse X hi ud her gespruge. 1 ist eie Zahl. Aber bei aderer Auswahl würde diese Zahl wohl leicht aders aussehe. We wir de Ausdruck 1 utersuche, erfahre wir etwas über de erwartete Wert des arithmetische Mittels ud über die Variaz des arithmetische Mittels. Wir repetiere icht zum erste Mal vo Kapitel 5: E[X] = E [ 1 X [ i] = µ ud V [X] = V 1 X ] i = 1 σ2 ud damit sd[x] = 1 σ. Des weitere erier wir us vo Kapitel 6: Summe vo Normal ist Normal (Summade müsse icht mal idetisch verteilt sei) N (µ i, σ 2 i ) = N ( µ i, σ2 i ). Wir schaue ochmals die Z-Trasformierte a: We X eie N (µ, σ 2 )-Verteilug hat, da hat Z := X µ σ eie N (0, 1)-Verteilug. Damit köe wir iteressate Schlussfolgeruge ziehe: x i X i 133
6 1. [schwache Voraussetzuge] We wir eie Folge vo - icht ubedigt ormalverteilte - iid Zufallsgrösse X 1,..., X habe mit Stadardabweichug σ, da hat das arithmetische Mittel (als Zufallsgrösse) eie Stadardabweichug vo σ X := sd[x] = σ. (sog. Stadardfehler) Das σ ist ormalerweise icht bekat ud wir werde es mit s := 1 (x j x) ( 1) 2 schätze. Zusamme erhalte wir als Schätzug des Stadardfehlers folgede Ausdruck: s X := j=1 s j=1 = (x j x) 2. ( 1) Beispiel Storrer p 207 ute schaue Sie als Hausaufgabe a. Warug ud Kosequeze: Verwechsel Sie icht Stadardfehler (sd[x]) ud die Stadardabweichug (sd[x]) selber: Im Stadardfehler wird durch geteilt ud damit wird er immer kleier, je grösser wir das (=Stichprobegrösse) mache. Dies sollte ja auch so sei: je mehr Date wir habe, desto präziser köe wir schätze. Die Präzisio ist aber derart, dass ma zum Beispiel vier mal mehr Date braucht, um eie doppelte Geauigkeit (Stadardfehler halbiere) zu erhalte. Warum schaut ma diese Ausdruck überhaupt a? 134
7 2. [starke Voraussetzuge]: We wir sogar eie Folge X 1,..., X vo iid N (µ, σ 2 )- Zufallsgrösse habe, so köe wir sogar viel weiter gehe: Wege N (µ i, σi 2 ) = N ( µ i, σi 2 ) hat die Summe X i eie N (µ, σ 2 ) -Verteilug. Wege Lemma 5.3, Lemma 5.4 a) ud der Z-Trasformierte hat X eie N (µ, σ2 ) -Verteilug. Dies gibt das Bild i Storrer p 208. Weil die Variaz immer kleier wird, wird die Dichtefuktio immer eger ud damit die Schätzug immer präziser. Wir reche hierzu och das Zahlebeispiel i Storrer p 209 obe. 135
8 8.2 Kofidezitervalle (Itervall-Schätzer) Eigetlich iteressiere wir us für eie ubekate Parameter, de wir schätze wolle. Kofidezitervalle gebe us eie Vorstellug vo der Präzisio eies Schätzers / eier Schätzug. Ziele vo 8.2: Die StudetIe wisse, was ei Kofidezitervall (KI) ist - ud was es icht ist. Sie erkee Formel für KI i 4 wichtige Fälle wieder ud köe diese awede Was ist ei Kofidezitervall (KI) - was ist es icht Was ist es icht - drei Beispiele: 1. Sozialwisseschafte: I de Nachrichte liest ma oft Sätze der Art (Zahle frei erfude): Aufgrud eier Befragug mit eier Stichprobe vo Persoe kam ma zum Schluss, dass der Ateil der Ahäger vo Budeskazleri Merkel mit 95 % Wahrscheilichkeit i eiem Kofidezitervall vo [46%, 48%] liegt. Was ist hier falsch? 2. Physik: 3. Stochastik: 136
9 Defiitio 8.1 [Kofidezitervalle] Ei Kofidezitervall KI für µ mit Kofidezkoeffiziet (1 α) ist eie zufällige Teilmege vo R mit der Eigeschaft, dass P [µ KI] = 1 α für alle µ R (siehe auch Storrer p 217). Bemerkuge zu Defiitio 8.1: Im Teil was ist es icht habe wir bereits betot, dass µ icht zufällig ist. Das Kofidezitervall KI ist zufällig (vor der Realisatio). We daach die Realisatio mit kokrete Zahle vorliegt, sollte ma Formulieruge brauche wie: [46%, 48%] ist eie Realisatio eies 95 % Kofidezitervalles. Dies mache ur MathematikerIe; Sie dürfe sage: [46%, 48%] ist ei 95 % Kofidezitervall Kostruktio vo KI s N (µ, σ 2 ): KI für µ we σ 2 bekat Date x 1,..., x, bereche arithmetisches Mittel x. Bei Luchs im Büro; vor Versuch: Wechsel zu Zufallsgrösse: betrachte X. Verteilug vo X ist: Also ist X µ σ 2 wege der Z-Trasform eie N (0, 1)-Zufallsgrösse. Aber das ist ja fatastisch: wir kee die kritische Werte bei eier N (0, 1)-Verteilug: [ P 1.96 X µ σ 2 ] 1.96 = 95%. (8.3) Ziel ist offesichtlich ei (1 α) = 95%-KI! Aber: wir köe offesichtlich (8.3) (och) icht als KI verkaufe. Mache wir ei paar algebraische Umformuge (Resultat ist da (8.8)): [ σ 2 σ P 1.96 X µ ] = 95%. (8.4)
10 Wir addiere µ: [ σ 2 σ P µ 1.96 X µ forme es och um zu [ [ σ 2 σ P X µ 1.96, µ Dies ist aber gleichbedeuted mit ] = 95%, (8.5) ]] = 95%. (8.6) [ [ P µ X 1.96σ, X σ ]] = 95%. (8.7) Wir vergleiche voller Stolz ud Befriedigug (8.7) mit Defiitio 8.1. Also gilt (ach Versuch, mit Date): ei 95 % KI für µ bei bekatem σ 2 ud Date x 1,..., x i Modell N (µ, σ 2 ) ist: [ x 1.96σ, x σ ]. (8.8) 99 % KI i dieser Situatio ist: Was geschieht we σ 2 wächst? Was geschieht we wächst? 138
11 Kleie Aufgabe zu KI I: Es wird ageomme, dass die Durchmesser der auf eier bestimmte Alage hergestellte Stahlkugel durch die Realisatioe eier ormalverteilte Zufallsgrösse mit σ = 1.04 mm beschriebe werde köe. Aus eier Stichprobe vom Umfag = 30 ergab sich x = mm. Bestimme Sie für die Vertraueswahrscheilichkeit vo 0.95 ud 0.99 die Greze des KI für de mittlere Durchmesser dieser Kugel. 139
12 N (µ, σ 2 ): KI für µ we σ 2 ubekat (realistisch), Storrer (43.8) Date x 1,..., x, bereche das arithmetische Mittel x. Bei Luchs im Büro; vor Versuch: Wechsel auf die Ebee der Zufallsgrösse: betrachte X. Verteilug vo X ist: Also hat wege der Z-Trasform der Ausdruck X µ σ 2 eie N (0, 1)-Verteilug. Ooooops? σ 2 ist ubekat! Keie Paik: Wir werde es eifach schätze: Das Tier ˆσ 2 := 1 1 X µ ˆσ 2 = (X i X) X µ (X i X) 2 (8.9) hat eie t 1 -Verteilug! Die t-verteilug ist fast eie Normalverteilug. Das fast kommt daher, dass wir im Neer vo (8.9) icht das (ebe ubekate) σ eisetze köe, soder ur eie Schätzug hiervo. Die Schätzug vo σ bedeutet mehr Usicherheit, womit die t-verteiluge mehr Gewicht i de Ede habe. I Storrer (43.7) habe Sie hierzu mehr Iformatioe. I meiem Skript ist i ebefalls die t-verteilug aufgeführt. Mit de gleiche Schritte wie i folgt da aalog zu (8.8); ach Versuch, mit Date: [ CV ˆσ CV ˆσ x, x + ], (8.10) wo ˆσ := 1 1 (x i x) 2. (8.11) Der kritische Wert (Critical Value CV) ist jetzt icht mehr ur vo (1 α) abhägig (wie i ), soder auch vo (vgl. z.b. Tabelle i (51.4)). Zum Beispiel mit = 20 sid die kritische Werte für ei 95%-KI: zu vergleiche mit de 1.96 vo
13 Kleie Aufgabe zu KI II: gleiche Ausgagslage wie bei Aufgabe I, aber wir kee σ icht ud habe es mit (8.11) geau auf 1.12 mm geschätzt. Bereche Sie das 0.95-KI ochmals i dieser Situatio. Was passiert we grösser wird? Was we σ 2 grösser wird? Storrer A 43-8: 141
14 8.3. Die 4 wichtigste KI aus der Praxis (beyod Storrer) Orietierugsschema: I de bisherige Situatioe ( ud ) stelle wir fest, dass dortige 95 % Kofidezitervalle approximativ immer ach dem gleiche Schema aufgebaut sid: [x 2sd(X), x + 2sd(X)]. (geeric) Die Zahl 2 ist im Fall der Normalverteilug eigetlich präziser user bekates De Uterschied zwische 1.96 ud 2 igoriere Praktiker/ie gere - wir jetzt auch. Wege des CLT habe wir bei grosse approximativ i der Summe (x beihaltet eie Summe!) ebefalls fast eie Normalverteilug (techisch: solage die X i s eie edliche Variaz besitze). Deshalb köe wir i de och folgede 3 Fälle A, B ud C obige geerische Formel (geeric) beutze. 142
15 A (Beroulli/Biomial): Sei x i gleich 1 bei Erfolg ud gleich 0 bei Misserfolg bei Versuch i. Da ist x i die gesamte Azahl Erfolge ud damit x := 1 x i der Ateil der Erfolge (zb bei = 100, 100 x i = 57, x = 0.57). Weil wir jetzt ei Kofidezitervall für die Erfolgswahrscheilichkeit wolle, äder wir gleich die Bezeichug ud setze: ˆp := x := 1 x i. Wir wolle ei 95 % KI für die wahre Wahrscheilichkeit p kostruiere. Dies wird auch i HHS (43.9) gemacht; hier ist es eifacher: vo (geeric) her habe wir - auf der Ebee vo Zufallsgrösse ˆp ± 2sd(ˆp). Wir kee sd(ˆp) icht. Es gilt: V [ˆp] = V [ 1 ] X i = 1 [ 2 V ] X i = 1 2 V [X i ] = 1 2 V [X 1] = 1 p(1 p). p(1 p) Damit gilt sd(ˆp) =. Leider ist p ubekat; wir ersetze es deshalb durch die ˆp(1 ˆp) Schätzug ud erhalte sd(ˆp) =. Damit erhalte wir für das KI [ ˆp(1 ˆp) ˆp 2, ˆp + 2 ˆp(1 ˆp) Das ist Formel (4) i HHS, Seite 220. Eie (us icht ubekate) Praktikerregel verlagt hier, dass ˆp(1 ˆp) > 9 sei muss, sost muss ma die sogeate Geigy-Tabelle oder die sogeate Methode ach Wilso (das ist im Storrer) awede. ]. Wir reche zur Kotrolle obiger Formel gleich mal das Beispiel aus ach, bei der es um das KI zur Ahägerschaft vo Agie gig: Die Formel sieht für die USA (324 M Eiwoher), Schweiz ( Eiwoher) ud Nauru (10084 Eiwoher) geau gleich aus!? 143
16 B (Beroulli/Biomial; KI für Differez bei Proportioe): Wir habe jetzt 2 Stichprobe (zb Erfolg vo 2 Operatiosmethode oder bei Abstimmuge ob Romadie aders stimme wird als Deutschschweiz). Aalog zu A habe wir m Objekte i Gruppe 1 ud Objekte i Gruppe 2. Sei x i gleich 1 bei Erfolg ud gleich 0 bei Misserfolg bei Versuch i i Gruppe 1. Da ist m x i die gesamte Azahl Erfolge ud damit x := 1 m m x i der Ateil der Erfolge. Aalog sei y j gleich 1 bei Erfolg ud gleich 0 bei Misserfolg bei Versuch j i Gruppe 2. Da ist j=1 y j die gesamte Azahl Erfolge ud damit ȳ := 1 j=1 y j der Ateil der Erfolge. Weil wir wieder ei Kofidezitervall für die Erfolgswahrscheilichkeite (jetzt aber für die Differez ebedieser Wahrscheilichkeite) wolle, äder wir gleich die Bezeichug ud setze: ˆp 1 := x := 1 m m x i, ˆp 2 := ȳ := 1 y j. j=1 Wir wolle ei 95 % KI für die Differez der Wahrscheilichkeite p 1 p 2 kostruiere: vo (geeric) her habe wir - auf der Ebee vo Zufallsgrösse (ˆp 1 ˆp 2 ) ± 2sd(ˆp 1 ˆp 2 ). Sie bereche bitte aalog zum Fall A sd(ˆp 1 ˆp 2 ). Wir erhalte schlussedlich für das KI: [ ˆp1 (1 ˆp 1 ) (ˆp 1 ˆp 2 ) 2 + ˆp 2(1 ˆp 2 ) m, (ˆp 1 ˆp 2 ) + 2 ˆp1 (1 ˆp 1 ) m + ˆp ] 2(1 ˆp 2 ). Praktikerrregel: ˆp i [0.1, 0.9] ud m, je grösser als 30; sost mit der Methode ach Wilso (googel). 144
17 C (2 Stichprobe; Normalverteilug; KI für Differez der Mittelwerte): Wir habe wieder 2 Stichprobe (zb Ertrag Dügemittel vo 2 verschiedee Düger). Aalog zu B habe wir m Objekte i Gruppe 1 ud Objekte i Gruppe 2. Sei x i der Wert bei Versuch i i Gruppe 1 - wir modelliere mit eier N (µ 1, σ 2 )-Zufallsgrösse. Da ist x := 1 m m x i der Durchschittswert i Gruppe 1. Aalog sei y j der Wert bei Versuch j i Gruppe 2 - wir modelliere mit eier N (µ 2, σ 2 )-Zufallsgrösse. Die Variaze der eizele Messuge i Gruppe 1 ud 2 müsse gleich sei! Da ist ȳ := 1 j=1 y j der Durchschittswert i Gruppe 2. Wir wolle ei 95 % KI für die Differez der Mittelwerte µ 1 µ 2 kostruiere: vo (geeric) her habe wir - auf der Ebee vo Zufallsgrösse ( X Ȳ ) ± 2sd( X Ȳ ). Aalog zu A ud B wird auch hier sd( X Ȳ ) berechet, wobei für die Schätzug vo σ 2 ei hier icht begrüdeter ugewöhlicher Ausdruck verwedet wird: Wir erhalte für das KI zuerst: [ ( 1 ( x ȳ) ± 2 m + 1 ) m (x i x) 2 + j=1 (y j ȳ) 2 m + 2 Hier wird i Abweichug des bisherige Vorgehes icht 2 beutzt, soder der etsprechede Term aus der t m+ 2 -Verteilug, da ma σ 2 geschätzt hat (Fehlerquelle Prüfug). [ ( 1 ( x ȳ) ± CV m + 1 ) m (x i x) 2 + j=1 (y j ȳ) 2 m + 2 Alle 4 Fälle für KI müsse für die Prüfug beherrscht werde. I de ]. ]. Übuge werde wir aber icht i jedem Semester zu jedem Fall ei Beispiel löse. Schaue Sie stattdesse die 10 letzte Prüfuge im Archiv a. 145
18 8.4. KI: wie gross muss sei? Wichtig: 1. Lese Sie jetzt das komplette Kapitel im Storrer II selber durch (Kapitel 42-43). 2. Löse Sie daach midestes 5 Aufgabe hite im Kapitel ud vergleiche Sie mit de Lösuge am Schluss des Buches. Bei Bedarf löse Sie mehr Aufgabe. 3. Gehe Sie i die Übugsstude. Drucke Sie das Übugsblatt dazu vorher aus, lese Sie vorher die Aufgabe durch ud mache sich erste Gedake dazu (zum Beispiel, wie ma sie löse köte). 4. Da löse Sie das Übugsblatt: zuerst immer selber probiere, falls icht geht: Tipp vo Mitstudi beutze, falls immer och icht geht: Lösug vo Mitstudi aschaue, 1 Stude warte, versuche, aus dem Kopf heraus wieder zu löse, falls immer och icht geht: Lösug vo Mitstudi abschreibe (ud verstehe - also sollte ma isbesodere keie Fehler abschreibe!). 5. Löse Sie die etsprechede Prüfugsaufgabe im Archiv. 146
Wissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrIWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur
Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Vertiefugsstudium Modul XI: Volkswirtschaftslehre Lösugshiweise zur 1. Musterklausur
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrFinanzmathematik für HAK
Fiazmathematik für HAK Dr.Mafred Gurter 2008. Kapitalverzisug bei der Bak mit lieare (eifache) Zise währed des Jahres Beispiel : Ei Kapital vo 3000 wird mit 5% für 250 Tage verzist. Wie viel bekommt ma
MehrKerncurriculum Berufliche Gymnasien Niedersachsen Stochastik
Jes Hellig Herausgeber: Klaus Schillig Kercurriculum Berufliche Gymasie Niedersachse Stochastik Darstelle Auswerte Beurteile 2. Auflage Bestellummer 03330 Habe Sie Areguge oder Kritikpukte zu diesem Produkt?
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrKunde. Kontobewegung
Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrIWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur
Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Aufbaustudium Grüdugscotrollig Lösugshiweise zur 3. Musterklausur Lösugshiweise
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrFINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81
Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrService-Paket Druckluft: kleine und mittlere Anlagen
Service-Paket Druckluft: kleie ud mittlere Alage Arbeitsistrumet für de Druckluft-Abieter Bei der Erzeugug vo Druckluft biete sich beachtliche Chace zur Sekug der Eergiekoste. Die Kotrolle ud Wartug des
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
Mehr2. Gleichwertige Lösungen
8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrLernhilfe in Form eines ebooks
Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite
MehrVorlesung Einführung in die mathematische Statistik
Vorlesug Eiführug i die mathematische Statistik Prof. A. Atille Sommersemester 2004 Literatur P.J. Bickel K.A. Doksum, Mathematical Statistics: Basic Ideas ad Selected Topics Holde-Day, 1977. L. Breima,
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
MehrBetriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110
Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrEin kleines Einmaleins über Mittelwertbildungen
Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische
Mehr1. Ein Kapital von 5000 ist zu 6,5% und ein Kapital von 4500 zu 7% auf 12 Jahre angelegt. Wie groß ist der Unterschied der Endkapitalien?
Fiazmathematik Aufgabesammlug. Ei Kapital vo 5000 ist zu 6,5% ud ei Kapital vo 4500 zu 7% auf 2 Jahre agelegt. Wie groß ist der Uterschied der Edkapitalie? 2. Wa erreicht ei Kapital eie höhere Edwert,
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrZur Ableitung zulässiger Messunsicherheiten
Zur Ableitug zulässiger Messusicherheite aus Toleraze bei Igeieurvermessuge a Krabahe Has Schulz Vo de jeweilige Herstelltoleraze ist für die Vermessug ei bestimmter Ateil die Vermessugstoleraz vorzusehe,
MehrPhysikalische Grundlagen: Strahlengang durch optische Systeme
ieser Text ist ür iteressierte Leser gedacht, die sich über die klausur-relevate, physiologische Grudlage hiaus mit der Optik des Auges beschätige wolle! Physikalische Grudlage: Strahlegag durch optische
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrAufgaben zur vollständigen Induktion
c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist
MehrMathematischer Vorkurs zum Studium der Physik
Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)
MehrGrundkompetenz-Aufgaben
Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrAPPENDX 3 MPS Umfragebögen
APPENDX 3 MPS Umfrageböge Iformatio zur Mitarbeiterbefragug Liebe Mitarbeiteri, lieber Mitarbeiter, die Etwicklug eies eiheitliche Produktiossystems für Mercedes-Bez ist abgeschlosse ud seit Jauar 2000
MehrHerzlich willkommen zur Demo der mathepower.de Aufgabensammlung
Herzlich willkomme zur der Aufgabesammlug Um sich schell ierhalb der ca. 35. Mathematikaufgabe zu orietiere, beutze Sie ubedigt das Lesezeiche Ihres Acrobat Readers: Das Ico fide Sie i der liks stehede
MehrInternet-Zahlungsverfahren aus Sicht der Händler: Ergebnisse der Umfrage IZH5
Iteret- aus Sicht der Hädler: Ergebisse der Umfrage IZH5 Vorab-Kurzauswertug ausgewählter Aspekte Dezember 2009 1 Gegestad ud ausgewählte Ergebisse der Studie Mit der aktuelle füfte Umfragewelle zum Thema
MehrEmpirische Methoden I
Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrLeitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index
Leitfade zu de Zertifikate-Idizes Discout-Idex Outerformace-Idex Bous-Idex Kaitalschutz-Idex Aktiealeihe-Idex Fassug vom 22.02.2011 Versiosübersicht Versios- ID 1.00 1.10 1.20 1.30 Datum 28.02.2009 28.04.2009
Mehr3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung)
3 Die Außefiazierug durch Fremdkapital (Kreditfiazierug) 3.1 Die Charakteristika ud Forme der Kreditfiazierug Aufgabe 3.1: Idealtypische Eigeschafte vo Eige- ud Fremdkapital Stelle Sie die idealtypische
MehrIntegrationsseminar zur BBL und ABWL Wintersemester 2002/2003
Credit Risk+ Itegratiossemiar zur BBL ud BWL Witersemester 2002/2003 Oksaa Obukhova lia Sirsikova Credit Risk+ 1 Ihalt. Eiführug i die Thematik B. Ökoomische Grudlage I. Ziele II. wedugsmöglichkeite 1.
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
Mehr1 n n n WOHnEIGEnTUM ja ODER nein?
1 WOHEIGETUM ja ODER EI? objekt Welche Haus- oder Wohugsform kommt ifrage (allei stehedes Haus, Reihehaus, Stockwerkeigetum etc.)? Welche Architekturstil bzw. welche Art vo Objekt suche Sie (alt, klassisch,
MehrWS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen
Aufgabe 1: WS 2000/2001 Aufgabe 1: (4 P (4 Pukte) Gebe Sie die Formel zur Bestimmug des relative sowie des koforme Zissatzes a ud erläuter Sie die Uterschiede bzw. Gemeisamkeite der beide Zisfüße. Lösug:
Mehrcubus EV als Erweiterung für Oracle Business Intelligence
cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle
MehrByzantinische Einigung im Full-Information-Modell in O(log n) Runden
Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
MehrBereichsleitung Fitness und GroupFitness (IST)
Leseprobe Bereichsleitug Fitess ud GroupFitess (IST) Studieheft Persoalmaagemet Autori Corelia Trikaus Corelia Trikaus ist Diplom-Ökoomi ud arbeitet als wisseschaftliche ud pädagogische Mitarbeiteri bei
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrLeitfaden zum Photovoltaik Global 30 Index *
Lefade zum Photovoltaik Global 30 Idex * Versio.0 * Photovoltaik Global 30 Idex ist ei Idex der ABN AMRO, der vo der Deutsche Börse berechet ud verteilt wird. Deutsche Börse AG Versio.0 Lefade zum Photovoltaik
MehrKundenbefragung BFS 2009. Berichterstattung. Dezember 2009. Eidgenössisches Departement des Innern EDI Bundesamt für Statistik BFS Führungsstab
Eidgeössisches Departemet des Ier EDI Budesamt für Statistik BFS Führugsstab Dezember 2009 Kudebefragug BFS 2009 Berichterstattug 2/62 Ihaltsverzeichis 1 Zusammefassug 7 2 Ausgagslage, Ziel ud Erhebugsstruktur
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrDaten und Zufall in der Jahrgangsstufe 9 Seite 1
Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete
MehrGebraucht, aber sicher!
Gebraucht, aber sicher! Die Gebrauchtwage-Services: Fiazprodukte Lagzeit-Garatie Versicheruge Fiazprodukte Gaz ach meiem Geschmack. Die FLEXIBLEN Fiazprodukte der PEUGEOT Bak. Hier dreht sich alles ur
MehrKunde Studie: Erfolgsfaktoren von Online-Communities
Kude Studie: Erfolgsfaktore vo Olie-Commuities Titel Frakfurt, des Projekts 17. September 2007 Durchgeführt vo: HTW Dresde, Prof. Dr. Ralph Sotag BlueMars GmbH, Tobias Kirchhofer, Dr. Aja Rau Mit freudlicher
MehrStatistik und Wahrscheinlichkeitslehre
Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug
MehrDas Digitale Archiv des Bundesarchivs
Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte
MehrZur Definition. der wirksamen. Wärmespeicherkapazität
Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik
Mehr"Ich glaube nur die Statistik, die ich selbst gefälscht habe."
THEORETISCHE GRUNDLAGEN I der Biophysik versuche wir biologische Vorgäge mit physikalische Methode zu utersuche ud zu verstehe. Wir setze dabei voraus, dass biologische Größe quatitativ gemesse ud mit
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
Mehr