Empirische Okonomie 1
|
|
- Hansi Biermann
- vor 6 Jahren
- Abrufe
Transkript
1 Empirische Okonomie 1 Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultat Ludwig-Maximilians-Universitat Munchen Wintersemester 2016/17 Erganzungen zur Vorlesung vom 17. November 2016
2 Interaktion zweier binarer Variablen Das Modell mit zwei binaren erklarenden Variablen und deren Interaktion lautet: Y i = D 1i + 2 D 2i + 3 (D 1i D 2i ) + u i Zunachst bestimmen wir die Erwartungswerte von Y fur die vier moglichen Kombinationen der beiden bin aren Variablen: E(Y jd 1 = 0 ^ D 2 = 0) = 0 E(Y jd 1 = 1 ^ D 2 = 0) = E(Y jd 1 = 0 ^ D 2 = 1) = E(Y jd 1 = 1 ^ D 2 = 1) = Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 2
3 Interaktion zweier binarer Variablen Da wir aber eigentlich wissen wollen, wie die Parameter 0 ; 1 ; 2 ; 3 interpretiert werden, losen wir dieses Gleichungssystem und erhalten: 0 = E(Y jd 1 = 0 ^ D 2 = 0) 1 = E(Y jd 1 = 1 ^ D 2 = 0) E(Y jd 1 = 0 ^ D 2 = 0) 2 = E(Y jd 1 = 0 ^ D 2 = 1) E(Y jd 1 = 0 ^ D 2 = 0) 3 = E(Y jd 1 = 1 ^ D 2 = 1) E(Y jd 1 = 0 ^ D 2 = 1) [E(Y jd 1 = 1 ^ D 2 = 0) E(Y jd 1 = 0 ^ D 2 = 0)] Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 3
4 Interaktion zweier binarer Variablen 3 lasst sich aber auch noch anders ausdr ucken: 3 = E(Y jd 1 = 1 ^ D 2 = 1) E(Y jd 1 = 0 ^ D 2 = 1) [E(Y jd 1 = 1 ^ D 2 = 0) E(Y jd 1 = 0 ^ D 2 = 0)] = E(Y jd 1 = 1 ^ D 2 = 1) E(Y jd 1 = 1 ^ D 2 = 0) [E(Y jd 1 = 0 ^ D 2 = 1) E(Y jd 1 = 0 ^ D 2 = 0)] Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 4
5 Interaktion zweier binarer Variablen 3 misst den Unterschied in der Dierenz von E(Y ) zwischen der Gruppe mit D 2 = 1 und der Gruppe mit D 2 = 0, wenn D 1 von 1 auf 0 wechselt. Dies entspricht dem Unterschied in der Dierenz von E(Y ) zwischen der Gruppe mit D 1 = 1 und der Gruppe mit D 1 = 0, wenn D 2 von 1 auf 0 wechselt. Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 5
6 Interpretation von b 0? Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 6
7 Interpretation von b 0? Mittleres Einkommen von Mannern bis zum Alter von 30. Interpretation von b 1? Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 6
8 Interpretation von b 0? Mittleres Einkommen von Mannern bis zum Alter von 30. Interpretation von b 1? Unterschied im mittleren Einkommen zwischen Frauen bis zum Alter von 30 und Mannern bis zum Alter von 30. Interpretation von b 2? Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 6
9 Interpretation von b 0? Mittleres Einkommen von Mannern bis zum Alter von 30. Interpretation von b 1? Unterschied im mittleren Einkommen zwischen Frauen bis zum Alter von 30 und Mannern bis zum Alter von 30. Interpretation von b 2? Unterschied im mittleren Einkommen zwischen M annern uber 30 und Mannern bis 30. Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 6
10 Interpretation von b 3? Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 7
11 Interpretation von b 3? Dierenz im mittleren Einkommen zwischen Frauen und M annern uber 30 abzuglich der Dierenz im mittleren Einkommen zwischen Frauen und Mannern im Alter bis 30. Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 7
12 Interpretation von b 3? Dierenz im mittleren Einkommen zwischen Frauen und M annern uber 30 abzuglich der Dierenz im mittleren Einkommen zwischen Frauen und Mannern im Alter bis 30. Dies entspricht der Dierenz der mittleren Einkommen zwischen alt (uber 30) und jung (bis 30) bei den Frauen abz uglich der Dierenz im mittleren Einkommen zwischen alt und jung bei Mannern. Prof. Dr. Amelie Wuppermann, Empirische Okonomie 1, Wintersemester 2016/17 Erganzungen vom 17. November 2016 { 7
L E I T F A D E N. Wissenschaftliches Arbeiten im Studium der Theologie an der Universität Regensburg
L E I T F A D E N Wissenschaftliches Arbeiten im Studium der Theologie an der Universität Regensburg Fakultät
MehrLösung (die Geraden laufen parallel) oder unendlich viele Lösungen.
1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen
Mehr2.Tutorium Generalisierte Regression
2.Tutorium Generalisierte Regression - Binäre Regression - Moritz Berger: 04.11.2013 und 11.11.2013 Shuai Shao: 06.11.2013 und 13.11.2013 Institut für Statistik, LMU München 1 / 16 Gliederung 1 Erweiterte
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrGrundlagen von Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität
MehrEinfache kryptographische Verfahren
Einfache kryptographische Verfahren Prof. Dr. Hagen Knaf Studiengang Angewandte Mathematik 26. April 2015 c = a b + a b + + a b 1 11 1 12 2 1n c = a b + a b + + a b 2 21 1 22 2 2n c = a b + a b + + a b
MehrLösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
MehrRuprecht-Karls. Karls-Universität t Heidelberg. Studieninformationstag 2007 Fakultät für Wirtschaftsund Sozialwissenschaften
Willkommen in der Universität t Heidelberg! 1 Die Bachelor-Studiengänge nge der Fakultät t für f r Wirtschafts- und Prof. Dr. H. Sangmeister Studiendekan Die Fakultät für Wirtschafts- und bildet derzeit
MehrDatenanalyse mit Excel und Gretl
Dozent: Christoph Hindermann christoph.hindermann@uni-erfurt.de Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 1 Teil 2: Gretl Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 2 Modellannahmen
MehrAbschlussklausur (60 Minuten), 15. Juli 2014
Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit
Mehr1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
Mehr10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg
. Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrSatzung über das Eignungsverfahren für den Masterstudiengang European Master of Science in Management an der Ludwig-Maximilians-Universität München
Satzung über das Eignungsverfahren für den Masterstudiengang European Master of Science in Management an der Ludwig-Maximilians-Universität München Vom 4. Juli 2008 Auf Grund von Art. 13 Abs. 1 Satz 2
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrKapitel 4: Binäre Regression
Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,
MehrKorrelation und Regression
FB 1 W. Ludwig-Mayerhofer und 1 und FB 1 W. Ludwig-Mayerhofer und 2 Mit s- und sanalyse werden Zusammenhänge zwischen zwei metrischen Variablen analysiert. Wenn man nur einen Zusammenhang quantifizieren
MehrLUDWIG- MAXIMILIANS- UNIVERSITÄT MÜNCHEN FACT SHEET. Fakultät für Betriebswirtschaft Munich School of Management. www.eminsurance.
LUDWIG- MAXIMILIANS- UNIVERSITÄT MÜNCHEN FACT SHEET Executive Master of Insurance Fakultät für Betriebswirtschaft Munich School of Management www.eminsurance.de Executive Master of Insurance Prof. Dr.
MehrDr. Guido Knapp Fakultät Statistik Technische Universität Dortmund 6. Februar Klausur zur Veranstaltung Erhebungstechniken
Dr. Guido Knapp Fakultät Statistik Technische Universität Dortmund 6. Februar 2009 Klausur zur Veranstaltung Erhebungstechniken im Wintersemester 2008 / 2009 Name, Vorname: Studiengang (Bachelor/Diplom):
MehrAbgabe: (vor der Vorlesung) Aufgabe 2.1 (P) O-Notation Beweisen Sie die folgenden Aussagen für positive Funktionen f und g:
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 2 Prof. Dr. Helmut Seidl, S. Pott,
MehrSatzung zur Änderung der Fachprüfungs- und Studienordnung für den Masterstudiengang Wirtschaft mit Technologie an der Technischen Universität München
Satzung zur Änderung der Fachprüfungs- und Studienordnung für den Masterstudiengang Wirtschaft mit Technologie an der Technischen Universität München Vom 1. August 2011 Aufgrund von Art. 13 Abs. 1 Satz
MehrStatistik II für Betriebswirte Vorlesung 12
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die
Mehrb) In 12 Geschäften wird das Produkt zu 550 Euro oder mehr angeboten. 12/20=0,6 60 %. c) d) e) Boxplot:
FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT PROF. DR. ROLF HÜPEN STATISTIK I, WS 2009/10 Aufgabe 1: Bei einer Preiserhebung in Bochum und Umgebung ergab sich für den etikettierten Verkaufspreis eines bestimmten
MehrAufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität
Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrÜBUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Musterlösung Aufgabenblatt 1
Fakultät Wirtschafts- und Sozialwissenschaften Prof. Dr. Philipp Engler, Michael Paetz ÜBUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Musterlösung Aufgabenblatt 1 Aufgabe 1: Produktivitätswachstum in den
MehrKlassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
MehrWeihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012
Weihnachtszettel zur Vorlesung Stochastik I Wintersemester 0/0 Aufgabe. Der Weihnachtsmann hat vergessen die Weihnachtsgeschenke mit Namen zu beschriften und muss sie daher zufällig verteilen. Dabei enthält
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrGleichungssysteme mit zwei Variablen
Gleichungssysteme mit zwei Variablen Eine alte chinesische Aufgabe lautet: In einem Stall befinden sich 5 Tiere, und zwar Hühner und Kaninchen. Die Tiere haben zusammen 9 Beine. Wie viele Hühner und wie
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
MehrArbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit?
Arbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit? Anna Wirtz und Friedhelm Nachreiner Gesellschaft für Arbeits-, Wirtschafts- und Organisationspsychologische Forschung
MehrDr. Heidemarie Keller
Reliabilität und Validität der deutschen Version der OPTION Scale Dr. Heidemarie Keller Abteilung für Allgemeinmedizin, Präventive und Rehabilitative Medizin Philipps-Universität Marburg EbM & Individualisierte
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 61 / 234 Maximal erreichte Punktzahl: 6 Minimal erreichte Punktzahl: 2 Durchschnitt: 5 Frage 1 (Diese Frage haben ca. 5% nicht beantwortet.)
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrGrenzfläche zwischen superfluidem und normalfluidem 4 He unter. unter Einfluß von Gravitation und Wärmestrom
Grenzfläche zwischen superfluidem und normalfluidem 4 He unter Einfluß von Gravitation und Wärmestrom Universität Konstanz Grundlagenforschung im Weltraum Deutschlands Herausforderungen der nächsten Dekaden
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
MehrBerichte aus der Volkswirtschaft. Dietmar Barth. Die Ökonomie von Sportwetten. Effizienzanalyse von Wettquoten
Berichte aus der Volkswirtschaft Dietmar Barth Die Ökonomie von Sportwetten Effizienzanalyse von Wettquoten D100 (Diss. Universität Hohenheim) Shaker Verlag Aachen 2012 Inhaltsverzeichnis Verzeichnis der
MehrDynamisches SQL. Folien zum Datenbankpraktikum Wintersemester 2009/10 LMU München
Kapitel 4 Dynamisches SQL Folien zum Datenbankpraktikum Wintersemester 2009/10 LMU München 2008 Thomas Bernecker, Tobias Emrich unter Verwendung der Folien des Datenbankpraktikums aus dem Wintersemester
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrPsychische Gesundheit von älteren türkischen Migrantinnen und Migranten. Fidan Sahyazici Dr. Oliver Huxhold
Psychische Gesundheit von älteren türkischen Migrantinnen und Migranten Fidan Sahyazici Dr. Oliver Huxhold Gliederung Bedeutung Theoretischer Hintergrund Fragestellungen Hypothesen Methode Ergebnisse Interpretation/Diskussion
MehrAntwort zu Aufgabe 1.1
Antwort zu Aufgabe 1.1 a) Die Betonung der Exportquote beruht auf einer recht merkantilistischen Sichtweise ( Exporte gut, Importe schlecht ), drückt sie doch aus, wie viel an das Ausland verkauft wurde.
MehrComputerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.
Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11
MehrEntscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen
Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Referat von Guido RECKE Institut für Agrarökonomie der Georg-August-Universität Göttingen Platz der Göttinger Sieben
Mehr(Steuererklärung) pro Woche pro Monat pro Woche pro Monat
Kinder ab 19 Monate bis Eintritt in die Schule 95.00 60.00 75.00 TARIF-RECHNER: 1/1 TAG Einkommen* bei 1 x 1/1 Tag bei 20 x 1/1 Tag bei 1 x 1/1 Tag bei 20 x 1/1 Tag 0-32'000 35% = Fr. 33 Fr. 665 65% =
MehrStochastische Modelle
Klausur (Teilprüfung) zur Vorlesung Stochastische Modelle (WS04/05 Februar 2005, Dauer 90 Minuten) 1. Es sollen für eine Zufallsgröße X mit der Dichte Zufallszahlen generiert werden. (a) Zeigen Sie, dass
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
MehrLösung 1. Übungsblatt
Fakultät Informatik, Technische Informatik, Professur für Mikrorechner Lösung 1. Übungsblatt Konvertierung von Zahlendarstellungen verschiedener Alphabete und Darstellung negativer Zahlen Stoffverteilung
MehrEine Einführung in R: Deskriptive Statistiken und Graphiken
Eine Einführung in R: Deskriptive Statistiken und Graphiken Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 28. Oktober 2010 Bernd
Mehr1.5 lineare Gleichungssysteme
1.5 lineare Gleichungssysteme Inhaltsverzeichnis 1 Was ist ein lineares Gleichungssystem mit zwei Gleichungen und zwei Unbekannten? 2 2 Wie lösen wir ein lineares Gleichungssystem mit zwei Unbekannten?
MehrVorstellung der WIWI Fachrichtung
Vorstellung der WIWI Fachrichtung 1 die Versorgung der Menschen mit gewünschten Gütern und Dienstleistungen vor dem Hintergrund knapper Ressourcen, die Organisation von Arbeit, die Gestaltung der sozialen
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
MehrVorlesung 1: Einleitung
Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrBivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
MehrGrundlagen der Volkswirtschaftslehre Übungsblatt 11
Grundlagen der Volkswirtschaftslehre Übungsblatt 11 Robert Poppe robert.poppe@uni-mannheim.de Universität Mannheim 25. November 2010 Überblick 1 Produktion und Wachstum 2 Kreditmarkt 3 Risikoeinstellung
Mehr1. Einführung. 1.1 Literatur. Klaus M. Schmidt. Spieltheorie, Wintersemester 2014/15
1. Einführung Klaus M. Schmidt LMU München Spieltheorie, Wintersemester 2014/15 Klaus M. Schmidt (LMU München) 1. Einführung Spieltheorie, Wintersemester 2014/15 1 / 10 1.1 Literatur Mit einem der folgenden
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Korrekturheft zur Probeklausur März 2014.
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Korrekturheft zur Probeklausur März 2014 Teil-1-Aufgaben Aufgabe 1 Gleichung interpretieren + y = 24 = 2y Ein Punkt ist genau dann
MehrKursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/10 2.3.2010 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt:
MehrMathematische 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
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrVorlesung VII: Politische Legitimität und das Konzept der politischen Unterstützung von David Easton
Ausgewählte Themen der Politischen Soziologie: Bürger und Politik im internationalen Vergleich Vorlesung VII: Politische Legitimität und das Konzept der politischen Unterstützung von David Easton Universität
MehrCAFM System FAMOS an der Ludwig Maximilians Universität München
CAFM System FAMOS an der Ludwig Maximilians Universität München Referat IV.1 Bau- und Liegenschaftsabteilung Referenten: Dipl. Ing. Peter Thomas, Projektleitung Facility Management Entwicklung Facility
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrNeufassung der Studienordnung, Stand 9. März 2000
Neufassung der Studienordnung, Stand 9. März 2000 Fassung nach der Sitzung der Kommission für das Aufbaustudium Informatik vom 11. Januar 2000 Studienordnung für das Aufbaustudium Informatik an der Technischen
MehrSENATSINSTITUT. Lehrveranstaltung. im Wintersemester 2016/17
Lehrveranstaltung im Wintersemester 2016/17 SENATSINSTITUT FÜR GEMEINWOHLORIENTIERTE POLITIK d e s S e n a t d e r W i r t s c h a f t Von der sozialen zur ökosozialen Marktwirtschaft. Ökologie und Ökonomie
MehrKonstitution ternärer Systeme
Konstitutionslehre Abkühlungskurven und binäre Schnitte in Dreistoffsystemen Paul H. Kamm Tillmann R. Neu Technische Universität Berlin - Fakultät für Prozesswissenschaften 15. Januar 2009 Inhaltsverzeichnis
Mehr4 Binäre Regressionsmodelle, Folien 2
4 Binäre Regressionsmodelle, Folien 2 Ludwig Bothmann (basierend auf Unterlagen von Nora Fenske) Statistik III für Nebenfachstudierende WS 2014/2015 4.5 Hypothesentests Lineare Hypothesen Betrachtet werden
MehrUnivariates Datenmaterial
Univariates Datenmaterial 1.6.1 Deskriptive Statistik Zufallstichprobe: Umfang n, d.h. Stichprobe von n Zufallsvariablen o Merkmal/Zufallsvariablen: Y = {Y 1, Y 2,..., Y n } o Realisationen/Daten: x =
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrBearbeiten Sie vier der fünf Aufgaben!
Master-Kursprüfung West-East Trade Theory SS 2014 Pflichtmodul Internationale VWL (M.Sc. IVWL) Schwerpunktmodul Außenwirtschaft (M.Sc. VWL) 6 Kreditpunkte Bearbeitungsdauer: 90 Minuten 16.7.2014 Prof.
MehrEinführung in die Induktive Statistik: Varianzanalyse
Einführung in die Induktive Statistik: Varianzanalyse Jörg Drechsler LMU München Wintersemester 2011/2012 Varianzanalyse bisher: Vergleich der Erwartungswerte für zwei normalverteilte Variablen durch t-test
Mehr1. Flensburger Workshop zur Unterrichtsforschung im Fach Englisch
1. Flensburger Workshop zur Unterrichtsforschung im Fach Englisch 27.03. 28.03.2015 (Quelle: Bundesarchiv_B_145_F070964-0006) Veranstaltungort: Hauptgebäude (HG) der EUF, 2. Stock, Raum 250 Anmeldung (bis
MehrInhaltsübersicht. Teil 1: Allgemeine Bestimmungen
Studienordnung für den konsekutiven Studiengang Politikwissenschaft mit dem Abschluss Master of Arts (M.A.) an der Technischen Universität Chemnitz Vom 11. Juni 2015 Aufgrund von 13 Abs. 4 i. V. m. 36
MehrDIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007
Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer
MehrVertiefungsstudium der Bachelorstudiengänge Betriebswirtschaftslehre, Volkswirtschaftslehre und Internationales Management
Vertiefungsstudium der Bachelorstudiengänge Betriebswirtschaftslehre, Volkswirtschaftslehre und Internationales Management 1 Ziel der Veranstaltung Verständnis der Regelungen in der Prüfungsordnung Erkennen
MehrUniversität Miskolc, Fakultät für Wirtschaftswissenschaften, Institut für Wirtschaftstheorie. 10. Vorlesung
10. Vorlesung Angebot und Nachfrage von Produktionsfaktoren Arten von Produktionsfaktoren: Arbeit oder Arbeitskraft (L) Kapital (K) Boden (A) Die einzelne Faktormärkte werden untersucht: Individuelle Angebotfunktion
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
1 Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Monetäre Außenwirtschaft Wintersemester 2011/12 (1. Prüfungstermin) Bearbeitungszeit: 60 Minuten
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrÜbungen zu Programmierung I - Blatt 8
Dr. G. Zachmann A. Greß Universität Bonn Institut für Informatik II 1. Dezember 2004 Wintersemester 2004/2005 Übungen zu Programmierung I - Blatt 8 Abgabe am Mittwoch, dem 15.12.2004, 15:00 Uhr per E-Mail
MehrStudierende und Studienanfänger/-innen*) in den Wintersemestern (WS) 2012/13 und 2013/14
und *) in den Wintersemestern (WS) 2012/13 und 2013/14 Seite 1 von 5 n Universitäten Aachen, Technische Land 37 901 40 060 6 065 7 023 Bielefeld, Universität Land 19 733 21 373 2 532 3 374 Bochum, Universität
MehrStatistik I WS 2014/2015. Prof. Dr. Walter Krämer
Statistik I WS 2014/2015 Prof. Dr. Walter Krämer Organisatorisches Dozenten: Vorlesung: Prof. Dr. Walter Krämer Übungen: Dipl.-Stat. Marianthi Neblik cand.stat. Eva-Maria Becker cand.stat. Nicole Dauzenroth
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrMultiplizitätskorrektur bei Variablenselektion
Multiplizitätskorrektur bei Variablenselektion Seminar: Multiples Testen Dozent: Prof. Dr. T. Dickhaus Referent: Maximilian Mönch - 22.11.2010 - Überblick 1) Einleitung 2) Multiplizitätskorrektur 3) Median
MehrÜbung zur Vorlesung Multimedia im Netz
Übung zur Vorlesung Multimedia im Netz Doris Hausen Ludwig-Maximilians-Universität München Wintersemester 2009/2010 Ludwig-Maximilians-Universität München Multimedia im Netz Übung 1-1 Organisatorisches
MehrFinanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/
Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrSatzung zur Änderung der Fachprüfungs- und Studienordnung für den Bachelorstudiengang Physik an der Technischen Universität München
1 Satzung zur Änderung der Fachprüfungs- und Studienordnung für den Bachelorstudiengang Physik an der Technischen Universität München Vom 15. Dezember 2008 Aufgrund von Art. 13 Abs. 1 Satz 2 in Verbindung
Mehrsustainability image score 2014 aus werten mehrwert machen
sustainability image score 2014 aus werten mehrwert machen Rund 70 % des Markenerfolgs sind heute wertebasiert. Nachhaltigkeit spielt dabei eine entscheidende Rolle. Unsere Studie zeigt, was erfolgreiche
MehrAnalyse von Querschnittsdaten. Einführung
Analyse von Querschnittsdaten Einführung Gliederung 1. Einordnung in das Curriculum 2. Spezialisierungsmöglichkeiten 3. Teilnahmevoraussetzungen 4. Gliederung der Vorlesung 5. Übung Gliederung 1. Einordnung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Dr. H. Macholdt 7. September 2005 1 Motivation Viele Probleme aus dem Bereich der Technik und der Naturwissenschaften stellen uns vor die Aufgabe mehrere unbekannte Gröÿen gleichzeitig
MehrDeutsche Sporthochschule Köln Sportwissenschaft (Schwerpunkt: Sportpublizistik)
Dozentenprofil Prof. Dr. Dirk Jungels Sport & Medien Lebenslauf Akademische Ausbildung Hochschule: Studiengang: Abschluss: Hochschule: Studiengang: Abschluss: Deutsche Sporthochschule Köln Sportwissenschaft
Mehr