Einführung in die formale Demographie

Größe: px
Ab Seite anzeigen:

Download "Einführung in die formale Demographie"

Transkript

1 Einführung in die formale Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/ Januar 2015 c Roland Rau Einführung in die formale Demographie 1 / 10

2 Wichtige Themen Übersicht I Bevölkerungsbilanzgleichung ( The Balancing Equation of Population Change ) ungefähre Größenordnung von Geburten, Sterbefällen, Einwanderungen und Auswanderungen in Deutschland Die Gleichungen Herumjonglieren der Gleichungen 1 und 2 N(t) = N(0)(1 + w) t (1) N(t) = N(0)e rt (2) Idee der Schätzung der Bevölkerungsentwicklung mittels eines Polynoms logistisches Wachstum (Verhulst, Idee, Verlauf) Parametrisierung des logistischen Modells (beispielsweise: N(t) = Interpretation von K K ) 1+e a+bt c Roland Rau Einführung in die formale Demographie 2 / 10

3 Wichtige Themen Übersicht II Wo wurde das logistische Modell angewendet und wie erfolgreich war es? Sterbetafel: Berechnung einer Sterbetafel Berechnung von Wahrscheinlichkeiten basierend auf einer gegeben Sterbetafel Die Sterbetafel als stationäre Bevölkerung (Berechnung von CBR, CDR, e 0 sowie der Gesamtbevölkerung) Annahmen des stabilen Bevölkerungsmodells Was passiert langfristig in einer stabilen Bevölkerung mit der Wachstumsrate dieser Bevölkerung und dem Anteil der einzelnen Altersstufen an der Gesamtbevölkerung? Erstellen eines Life-Cycle-Graphs (nicht nur für altersklassifizierte Modelle) Erstellen eine Projektionsmatrix aus einem Life-Cycle-Graph Wie erhalte ich die F -Werte und die P -Werte der Projektionsmatrix? c Roland Rau Einführung in die formale Demographie 3 / 10

4 Wichtige Themen Übersicht III Berechnung und Interpretation von Eigenwerten und Eigenvektoren (2 2 Matrizen) charakteristische Gleichung Interpretation des dominanten Eigenwerts und dem dazugehörigen (rechten) Eigenvektor Wie verhält sich das langfristige Wachstum in einer stabilen Bevölkerung in Abhängigkeit von λ? (λ > 1; 0 < λ < 1) Perron-Frobenius-Theorem starkes ergodisches Theorem ( strong ergodic theorem ) schwaches ergodisches Theorem ( weak ergodic theorem ) (nicht wichtig: was ist Primitivität und Reduzierbarkeit) kurzfristige Übergangsdynamik Was versteht man unter der Period of Oscillation, dem Dämpfungsverhältnis ( damping ratio ) und Keyfitz c Roland Rau Einführung in die formale Demographie 4 / 10

5 Wichtige Themen Übersicht IV Wie berechnet man die Period of Oscillation, das Dämpfungsverhältnis ( damping ratio ) und Keyfitz (und evtl Berechnung bei gegebenem λ i, w, ) Nettoreproduktionsrate NRR, R 0 (incl Berechnung) Generationenabstand T (incl Berechnung) Berechnung und Interpretation der Mütteralter m, µ 1, Ā Welche Relationen bestehen zwischen den einzelnen Mütteraltern? Lebenserwartungsberechnung mittels der Projektionsmatrix (Berechnung: WIE erhalte ich N? tatsächliche Berechnung mittels Matrixinversion ist nicht notwendig) Berechnung der (Rest-)Lebenserwartung basierend auf einem gegebenem N Reproductive Value (siehe Abschnitt: was ist klausurrelevant) keine eigene Programmierung in R, aber: anhand von kleinen Code-Beispielen erkennen, was programmiert wurde und was evtl falsch ist: c Roland Rau Einführung in die formale Demographie 5 / 10

6 Wichtige Themen Übersicht V einefunktion <- function(lambda, R0) { einefunktion <- function(lambda, R0) { # Input: lambda: langfristige Wachstumsrate # Input: lambda: langfristige Wachstumsrate # R0: Nettoreproduktionsrate # R0: Nettoreproduktionsrate ergebnis <- log(r0) / log10(lambda) return(dasergebnis) ergebnis <- log(lambda) / log(r0) return(dasergebnis) } } c Roland Rau Einführung in die formale Demographie 6 / 10

7 Nachtrag: Lebenserwartungsberechnung Wir erinnern uns, dass wir folgendes Problem hatten (nachdem wir die eigentliche Projektionsmatrix A zerlegt haben in A = T + F): N = N ij = (I T) 1 = = j N ij = ( ) c Roland Rau Einführung in die formale Demographie 7 / 10

8 Vielen Dank für Ihre Aufmerksamkeit! c Roland Rau Einführung in die formale Demographie 8 / 10

9 Lizenz This open-access work is published under the terms of the Creative Commons Attribution NonCommercial License 20 Germany, which permits use, reproduction & distribution in any medium for non-commercial purposes, provided the original author(s) and source are given credit Für ausführlichere Informationen: (Deutsch) (English) c Roland Rau Einführung in die formale Demographie 9 / 10

10 Kontakt Universität Rostock Institut für Soziologie und Demographie Lehrstuhl für Demographie Ulmenstr Rostock Germany Tel: Fax: Sprechstunde im WS 2014/2015: Mittwochs, 09:00 10:00 (und nach Vereinbarung) c Roland Rau Einführung in die formale Demographie 10 / 10

Demographie III ROLAND RAU. 14. Oktober Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie III 1 / 29

Demographie III ROLAND RAU. 14. Oktober Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie III 1 / 29 Demographie III ROLAND RAU Universität Rostock, Wintersemester 2013/2014 14. Oktober 2013 c Roland Rau Demographie III 1 / 29 Organisatorisches: Demographie III Demographie III Vorlesung: Montag 07:30

Mehr

Weiterführende formale Demographie

Weiterführende formale Demographie Weiterführende formale Demographie ROLAND RAU Universität Rostock, Sommersemester 2015 20. April 2015 c Roland Rau Weiterführende formale Demographie 1 / 21 Vergangene Woche Wiederholung wichtiger Konzepte

Mehr

Einführung in die formale Demographie

Einführung in die formale Demographie Einführung in die formale Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/2015 13. Oktober 2014 c Roland Rau Einführung in die formale Demographie 1 / 37 Organisatorisches: Einführung in

Mehr

Anforderungen der demografischen Forschung an Daten zur Mortalität

Anforderungen der demografischen Forschung an Daten zur Mortalität Anforderungen der demografischen Forschung an Daten zur Mortalität ROLAND RAU 1,2 1 Universität Rostock, 2 Max-Planck-Institut für demografische Forschung 15. Februar 2017 c Roland Rau, Uni Rostock & MPIDR

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2014 22. April 2014 c Roland Rau Survival Analysis 1 / 23 Erinnerung: Prüfungsmodalitäten Nr. Termine evtl.

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 05. Mai 2015 c Roland Rau Survival Analysis 1 / 18 Zensierung & Trunkierung: Nicht vollständig beobachtete

Mehr

References. Demographie I ROLAND RAU. Universität Rostock, Wintersemester 2012/ Januar 2013

References. Demographie I ROLAND RAU. Universität Rostock, Wintersemester 2012/ Januar 2013 ROLAND RAU Universität Rostock, Wintersemester 2012/2013 30. Januar 2013 Heutige Veranstaltung = Letzte Veranstaltung Zusammenfassung! Vorlesung: 17.10.2012 Was ist Demographie? Bevölkerungsbilanzgleichung

Mehr

Weiterführende formale Demographie

Weiterführende formale Demographie Weiterführende formale Demographie ROLAND RAU Universität Rostock, Sommersemester 2015 13. Juli 2015 c Roland Rau Weiterführende formale Demographie 1 / 24 Herzliche Einladung an alle Interessierten zum

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 12. Mai 2015 c Roland Rau Survival Analysis 1 / 24 Hausaufgabe 1 Schreiben Sie die Log-Likelihood Gleichung

Mehr

Demographie III ROLAND RAU. 04. November Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie III 1 / 34

Demographie III ROLAND RAU. 04. November Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie III 1 / 34 Demographie III ROLAND RAU Universität Rostock, Wintersemester 2013/2014 04. November 2013 c Roland Rau Demographie III 1 / 34 Wichtige Konzepte der vergangenen Lehrveranstaltung(en): Bevölkerungen ohne

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2015/2016 27. Januar 2016 c Roland Rau Einführung in die Demographie 1 / 1 Hinweis: Die Tutorensprechstunde findet am 29.01.2016

Mehr

Forschungspraktikum: Krebssterblichkeit in den USA

Forschungspraktikum: Krebssterblichkeit in den USA Forschungspraktikum: Krebssterblichkeit in den USA ROLAND RAU Universität Rostock, Wintersemester 2014/2015 14. Oktober 2014 Roland Rau Forschungspraktikum: Krebssterblichkeit in den USA 1 / 19 Tutoren

Mehr

Einführung in die Survival-Analyse (Modul: Methoden II)

Einführung in die Survival-Analyse (Modul: Methoden II) Einführung in die Survival-Analyse (Modul: Methoden II) ROLAND RAU Universität Rostock, Sommersemester 2013 14. Mai 2013 c Roland Rau Survival-Analyse 06. Sitzung 1 / 23 Hinweis: Interview mit Prof. Matthias

Mehr

Demographie. Band 1 B evölkerungsdynamik. Dr. Reiner Hans Dinkel. Professor für Bevölkerungswissenschaft an der Otto-Friedrich Universität Bamberg

Demographie. Band 1 B evölkerungsdynamik. Dr. Reiner Hans Dinkel. Professor für Bevölkerungswissenschaft an der Otto-Friedrich Universität Bamberg Demographie Band 1 B evölkerungsdynamik Dr. Reiner Hans Dinkel Professor für Bevölkerungswissenschaft an der Otto-Friedrich Universität Bamberg Verlag Franz Vahlen München Inhaltsverzeichnis Vorwort. Kapitel

Mehr

Übungsblatt Einführung in die Demographie WS 2015/16 Abgabe bis zum in der Übung!

Übungsblatt Einführung in die Demographie WS 2015/16 Abgabe bis zum in der Übung! Übungsblatt Einführung in die Demographie WS 2015/16 Abgabe bis zum 07.01.2016 in der Übung! 1. Ihnen sind folgende fiktive Daten einer Bevölkerung bekannt: Bestand im exakten Alter 50 des Geburtsjahrgang

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/2015 15. Oktober 2014 c Roland Rau Einführung in die Demographie 1 / 46 Gliederung 1 Formalia 2 Überblick zur demographischen

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 21. April 2015 c Roland Rau Survival Analysis 1 / 35 Veranstaltung nächste Woche entfällt. Lehrstuhl Demographie

Mehr

Demographie I ROLAND RAU, GABRIELE DOBLHAMMER. 09. Januar Universität Rostock, Wintersemester 2012/2013. References

Demographie I ROLAND RAU, GABRIELE DOBLHAMMER. 09. Januar Universität Rostock, Wintersemester 2012/2013. References Demographie I ROLAND RAU, GABRIELE DOBLHAMMER Universität Rostock, Wintersemester 2012/2013 09. Januar 2013 Vorlesungen am 16. & am 23. Januar 2013 zum Thema Bevölkerungsprognose von Dr. Christina Bohk

Mehr

Übungsaufgaben Lösungen

Übungsaufgaben Lösungen Übungsaufgaben Lösungen Stochastische Matrizen, Markov-Prozesse MV5.1 Eine N N-Matrix P heißt stochastisch, wenn ihre Matrixelemente nicht-negativ sind und alle Zeilensummen 1 ergeben. In Formeln: P ij

Mehr

Demographie I ROLAND RAU. 11. Dezember 2013. Universität Rostock, Wintersemester 2013/2014. Roland Rau Demographie I 1 / 40

Demographie I ROLAND RAU. 11. Dezember 2013. Universität Rostock, Wintersemester 2013/2014. Roland Rau Demographie I 1 / 40 Demographie I ROLAND RAU Universität Rostock, Wintersemester 2013/2014 11. Dezember 2013 Roland Rau Demographie I 1 / 40 Bevölkerungsbilanzgleichung ( The Balancing Equation of Population Change ) P t1

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2016/2017 30. November 2016 Roland Rau Einführung in die Demographie 1 / 39 Thema: Fertilität Roland Rau Einführung in die Demographie

Mehr

Woher kommst du? Sven Koerber-Abe, 2013

Woher kommst du? Sven Koerber-Abe, 2013 Woher kommst du? Sven Koerber-Abe, 2013 Belgien Tschechien Australien Japan Italien China England Deutschland Korea Brasilien Frankreich Österreich Wie? Wie heißt du? Wie heißt du? Wie heißen Sie? Ich

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2015/2016 13. Januar 2016 Roland Rau Einführung in die Demographie 1 / 50 Vergangene Woche: Migration Heutige Veranstaltung:

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2016/2017 14. Dezember 2016 Roland Rau Einführung in die Demographie 1 / 52 Heutiges Thema: Migration Am heutigen Tag veröffentlicht:

Mehr

Imperativ! Sven Koerber-Abe, 2014

Imperativ! Sven Koerber-Abe, 2014 Imperativ! Sven Koerber-Abe, 2014 Sie Essen Sie eine Pizza? Essen Sie eine Pizza. Trinken Sie eine Cola? Trinken Sie eine Cola. du Trinkst du eine Cola? Trinkst du eine Cola. Trinkst du eine Cola? Trink

Mehr

Lineare Differenzengleichungen

Lineare Differenzengleichungen Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung

Mehr

The projectivity of the moduli space of stable curves. I: Preliminaries on "det"...

The projectivity of the moduli space of stable curves. I: Preliminaries on det... The projectivity of the moduli space of stable curves. I: Preliminaries on "det"... Knudsen, Finn; Mumford, David pp. 19-55 Terms and Conditions The Göttingen State and University Library provides access

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

Das characteristische Polynom und der Satz von Cayley-Hamilton

Das characteristische Polynom und der Satz von Cayley-Hamilton Das characteristische Polynom und der Satz von Cayley-Hamilton Lineare Algebra I Kapitel 8 11. Juni 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/

Mehr

econstor Make Your Publication Visible

econstor Make Your Publication Visible econstor Make Your Publication Visible A Service of Wirtschaft Centre zbwleibniz-informationszentrum Economics Lanne, Markku; Saikkonen, Pentti Working Paper Reducing size distortions of parametric stationarity

Mehr

Patentrelevante Aspekte der GPLv2/LGPLv2

Patentrelevante Aspekte der GPLv2/LGPLv2 Patentrelevante Aspekte der GPLv2/LGPLv2 von RA Dr. Till Jaeger OSADL Seminar on Software Patents and Open Source Licensing, Berlin, 6./7. November 2008 Agenda 1. Regelungen der GPLv2 zu Patenten 2. Implizite

Mehr

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn. Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

23 Integral. 1 Idee des Integrals

23 Integral. 1 Idee des Integrals 23 Integral Jörn Loviscach Versionsstand: 21. September 2013, 15:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is licensed

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform

Mehr

Mortalitätsanalyse (ehemals: Allgemeine Demographie III)

Mortalitätsanalyse (ehemals: Allgemeine Demographie III) Mortalitätsanalyse (ehemals: Allgemeine Demographie III) ROLAND RAU Universität Rostock, Wintersemester 2015/2016 08. Dezember 2015 c Roland Rau Mortalitätsanalyse 1 / 27 Vergangene & Heutige Veranstaltung

Mehr

19 Folgen. Grenzwerte. Stetigkeit

19 Folgen. Grenzwerte. Stetigkeit 19 Folgen. Grenzwerte. Stetigkeit Jörn Loviscach Versionsstand: 27. Dezember 2014, 16:35 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html

Mehr

18 Kontinuierliche Fourier-Transformation. Laplace-Transformation

18 Kontinuierliche Fourier-Transformation. Laplace-Transformation 18 Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 28. März 2015, 21:30 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos:

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

1 Äquivalenzumformungen, Lösungsmenge

1 Äquivalenzumformungen, Lösungsmenge 5 Ungleichungen Jörn Loviscach Versionsstand: 21. September 2013, 15:55 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is

Mehr

Übersicht über das OSS-Recht

Übersicht über das OSS-Recht OSS-Tagung 1. September 2004 Übersicht über das OSS-Recht Dr. iur. Mike J. Widmer OSS-Tagung 2004 Dr. iur. Mike J. Widmer 1 Open Source Software und Recht OSS-Tagung 2004 Dr. iur. Mike J. Widmer 2 Open

Mehr

Stabilität von n-spezies Gemeinschaften

Stabilität von n-spezies Gemeinschaften Stabilität von n-spezies Gemeinschaften Julia Klein 20.12.2011 Joseph Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Kap.15 Übersicht 1 Einführung 2 Mutualismus und M-Matrizen 3

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

Potenzen und Wurzeln komplexer Zahlen. Eulersche Identität. Polardarstellung. Additionstheoreme. Vollständige Faktorisierung von Polynomen

Potenzen und Wurzeln komplexer Zahlen. Eulersche Identität. Polardarstellung. Additionstheoreme. Vollständige Faktorisierung von Polynomen Potenzen und Wurzeln komplexer Zahlen. Eulersche Identität. Polardarstellung. Additionstheoreme. Vollständige Faktorisierung von Polynomen Jörn Loviscach Versionsstand: 3. Dezember 200, 20:42 Die nummerierten

Mehr

Klausurähnliche Aufgaben

Klausurähnliche Aufgaben Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),

Mehr

Demographie III Übung

Demographie III Übung Demographie III Übung Roland Rau roland.rau@uni-rostock.de 19. November 2012 Inhaltsverzeichnis 1 Überblick 2 2 Funktionen in R 2 3 Berechnung einer Sterbetafel 3 3.1 Daten.......................................

Mehr

Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute

Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute 3.4 PageRank Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute Wichtigkeit von Webseiten; nicht Relevanz bezüglich Benutzeranfrage. Anfrageunabhängiges Ranking. Ausgangspunkt: Eingangsgrad.

Mehr

Ammus Welpe Author: Sowmya Rajendran Illustrator: Soumya Menon Translator: Martina Endlein Monteiro

Ammus Welpe Author: Sowmya Rajendran Illustrator: Soumya Menon Translator: Martina Endlein Monteiro Ammus Welpe Author: Sowmya Rajendran Illustrator: Soumya Menon Translator: Martina Endlein Monteiro Ammu hatte keinen Welpen, aber sie erzählte jedem in der Schule, dass sie einen hatte. 2 "Mein Welpe

Mehr

A study on computer-aided design of PIN-diode phase modulators at microwave frequencies

A study on computer-aided design of PIN-diode phase modulators at microwave frequencies Downloaded from orbit.dtu.dk on: Jul 08, 2016 A study on computer-aided design of PIN-diode phase modulators at microwave frequencies Schjær-Jacobsen, Hans Publication date: 1976 Document Version Publisher's

Mehr

Mortalitätsanalyse (ehemals: Allgemeine Demographie III

Mortalitätsanalyse (ehemals: Allgemeine Demographie III Mortalitätsanalyse (ehemals: Allgemeine Demographie III ROLAND RAU Universität Rostock, Wintersemester 2015/2016 13. Oktober 2015 c Roland Rau Mortalitätsanalyse 1 / 39 Zur Person: Roland Rau (roland.rau@uni-rostock.de)

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum

Mehr

16.3 Rekurrente und transiente Zustände

16.3 Rekurrente und transiente Zustände 16.3 Rekurrente und transiente Zustände Für alle n N bezeichnen wir mit f i (n) = P(X n = i,x n 1 i,...,x 1 i,x 0 = i) die Wahrscheinlichkeit, daß nach n Schritten erstmalig wieder der Zustand i erreicht

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

Mehr

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester Aufgabe Punkte

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester Aufgabe Punkte Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester 2014 29.07.2014 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt: Aufgabe 1 2 3 4

Mehr

Eigenschaften von Funktionen. Lineare Funktionen, Potenzen und Wurzeln

Eigenschaften von Funktionen. Lineare Funktionen, Potenzen und Wurzeln Eigenschaften von Funktionen. Lineare Funktionen, Potenzen und Wurzeln Jörn Loviscach Versionsstand: 22. Oktober 2010, 21:37 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Mehr

Exponentialfunktionen, Eulersche Zahl, Logarithmen

Exponentialfunktionen, Eulersche Zahl, Logarithmen Exponentialfunktionen, Eulersche Zahl, Logarithmen Jörn Loviscach Versionsstand: 22. Oktober 2010, 23:29 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach

Mehr

1 Inhaltsverzeichnis. 1 Einführung...1

1 Inhaltsverzeichnis. 1 Einführung...1 1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische

Mehr

4. Bayes Spiele. S i = Strategiemenge für Spieler i, S = S 1... S n. T i = Typmenge für Spieler i, T = T 1... T n

4. Bayes Spiele. S i = Strategiemenge für Spieler i, S = S 1... S n. T i = Typmenge für Spieler i, T = T 1... T n 4. Bayes Spiele Definition eines Bayes Spiels G B (n, S 1,..., S n, T 1,..., T n, p, u 1,..., u n ) n Spieler 1,..., n S i Strategiemenge für Spieler i, S S 1... S n T i Typmenge für Spieler i, T T 1...

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Einführung in die Demographie

Einführung in die Demographie Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2015/2016 14. Oktober 2015 c Roland Rau Einführung in die Demographie 1 / 45 Hinweise auf Vorträge am Max-Planck-Institut Invitation

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Mathematische Ökologie

Mathematische Ökologie Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen

Mehr

evideo neue Wege zur Wissensvermittlung

evideo neue Wege zur Wissensvermittlung - Das Projekt evideo - - Moderne Lehr-/Lernszenarien mit (e)video - - Diskussion / Fragen /Anregungen - evideo neue Wege zur Wissensvermittlung Anja C. Wagner Seite 1 / 26 Das Projekt evideo Anja C. Wagner

Mehr

UC4 Rapid Automation HP Service Manager Agent Versionshinweise

UC4 Rapid Automation HP Service Manager Agent Versionshinweise UC4 Rapid Automation HP Service Manager Agent Versionshinweise UC4 Software, Inc. Copyright UC4 and the UC4 logo are trademarks owned by UC4 Software GmbH (UC4). All such trademarks can be used by permission

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1 Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =

Mehr

14 Übungen zu Regelung im Zustandsraum Teil 2

14 Übungen zu Regelung im Zustandsraum Teil 2 Zoltán Zomotor Versionsstand: 9. März 25, :32 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3. Germany License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/3./de/

Mehr

Bevölkerungsvorausschätzung für die Stadt Iserlohn für den Zeitraum 2007 bis 2022 Zusammenstellung der wichtigsten Ergebnisse

Bevölkerungsvorausschätzung für die Stadt Iserlohn für den Zeitraum 2007 bis 2022 Zusammenstellung der wichtigsten Ergebnisse Bevölkerungsvorausschätzung für die Stadt Iserlohn für den Zeitraum 2007 bis 2022 Zusammenstellung der wichtigsten Ergebnisse Vom 30.06.05 (Stichtag der vorhergehenden Prognose) bis zum 30.06.07 hat die

Mehr

Dynamische Systeme eine Einführung

Dynamische Systeme eine Einführung Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,

Mehr

econstor Make Your Publication Visible

econstor Make Your Publication Visible econstor Make Your Publication Visible A Service of Wirtschaft Centre zbwleibniz-informationszentrum Economics Manske, Alexandra; Scheffelmeier, Tine Working Paper Werkverträge, Leiharbeit, Solo-Selbstständigkeit:

Mehr

Demografischer Wandel

Demografischer Wandel TK Lexikon Gesundheit im Betrieb Demografischer Wandel Demografischer Wandel HI2243404 Zusammenfassung LI1615359 Begriff Die Bevölkerung in den industrialisierten Staaten, Ländern oder Kommunen nimmt seit

Mehr

Werden wir immer noch älter?

Werden wir immer noch älter? Werden wir immer noch älter? Dr. Roland Rau Rau@demogr.mpg.de Max-Planck-Institut für demografische Forschung, Rostock GDV-Pressekolloquium 2009 Berlin, 25. März 2009 Was ist eigentlich Lebenserwartung?

Mehr

Angewandte Statistik und Datenanalyse

Angewandte Statistik und Datenanalyse Emmerich Kneringer Angewandte Statistik und Datenanalyse SS 2004-704031 Kurvenanpassung home page: physik.uibk.ac.at/statistik 2. Vorlesung 8. März 2005 Allgemeine Bemerkungen 2 Skript Grübl: Math.Meth.1

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

. Sage-Einsatz in der Lehre. Open Source Mathematik-Software. Jochen Schulz. Georg-August Universität Göttingen 1/15

. Sage-Einsatz in der Lehre. Open Source Mathematik-Software. Jochen Schulz. Georg-August Universität Göttingen 1/15 1/15 Sage-Einsatz in der Lehre Open Source Mathematik-Software Jochen Schulz Georg-August Universität Göttingen 2/15 Aufbau 1 Was ist Sage? 2 Erfahrungen - Ein Beispiel 3 Zusammenfassung 3/15 Aufbau 1

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

Preisliste für The Unscrambler X

Preisliste für The Unscrambler X Preisliste für The Unscrambler X english version Alle Preise verstehen sich netto zuzüglich gesetzlicher Mehrwertsteuer (19%). Irrtümer, Änderungen und Fehler sind vorbehalten. The Unscrambler wird mit

Mehr

Lineare Algebra II 12. Übungsblatt

Lineare Algebra II 12. Übungsblatt Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur

Mehr

DEMOGRAFIE. Eine Grundlage für die integrierte Stadtentwicklung Rosenheim

DEMOGRAFIE. Eine Grundlage für die integrierte Stadtentwicklung Rosenheim DEMOGRAFIE Eine Grundlage für die Die Daten zur demografischen Entwicklung wurden zusammengestellt durch das Stadtplanungsamt Alois Gartner Ines Hilpert Alois Maier Oktober 2008 Inhaltsübersicht 1. Was

Mehr

17 Grundrechenarten für komplexe Zahlen

17 Grundrechenarten für komplexe Zahlen 7 Grundrechenarten für komplexe Zahlen Jörn Loviscach Versionsstand: 2. September 203, 5:58 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html

Mehr

econstor Make Your Publication Visible

econstor Make Your Publication Visible econstor Make Your Publication Visible A Service of Wirtschaft Centre zbwleibniz-informationszentrum Economics Ke, Changxia; Konrad, Kai A.; Morath, Florian Working Paper Alliances in the shadow of conflict

Mehr

Veranschaulichen Sie die de Morgan schen Regeln anhand von Venn-Diagrammen:

Veranschaulichen Sie die de Morgan schen Regeln anhand von Venn-Diagrammen: Formalisierungspropädeutikum Aufgabensammlung Prof. Dr. Th. Augustin, Dr. R. Poellinger, C. Jansen, J. Plaß, G. Schollmeyer Oktober 2016 Aufgabe 1 (de Morgan sche Regeln) Veranschaulichen Sie die de Morgan

Mehr

Was haben Viehweiden mit Software zu tun?

Was haben Viehweiden mit Software zu tun? Was haben Viehweiden mit Software zu tun? Informationstechnologien und die Allmende UNIX-Stammtisch, TU Chemnitz Christian Pentzold // Professur Medienkommunikation 25. Mai 2010 Warum funktioniert Wikipedia?

Mehr

ISO 15504 Reference Model

ISO 15504 Reference Model Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define

Mehr

Variante A. Hinweise

Variante A. Hinweise Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche

Mehr

Kapitel IR:III (Fortsetzung)

Kapitel IR:III (Fortsetzung) Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches

Mehr

- - CodE 11 CodE 0 0 0 0 0 0 0 0 2.o C 1 10.0 C 2 off 3 3.0 4 2.0 5 off 6 1 8 20.0 9 60 C 7 4.0 10 80 C 1 38 C 12 8 k 13 on 14 30.0 15 10 16 - - CodE 11 CodE 0 0 0 0 0 0 0 0 2.o C 1 10.0 C 2

Mehr

ist über C diagonalisierbar.

ist über C diagonalisierbar. Prüfungsaufgaben A 1. (10 Punkte) Kreuzen Sie direkt auf de Aufgabenblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie üssen Ihre Antworten nicht begründen! Für jede richtige Antwort gibt es 1 Punkt.

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte

Mehr