* Beispiel 1: Verkehrsunfaelle
|
|
- Helge Hofmann
- vor 6 Jahren
- Abrufe
Transkript
1 * Beispiel 1: Verkehrsunfaelle. use "C:\hja\lehre\daten\wooldridge\stata\TRAFFIC2.DTA", clear. des Contains data from C:\hja\lehre\daten\wooldridge\stata\TRAFFIC2.DTA obs: 108 vars: Aug :02 size: 12,636 (98.8% of memory free) - storage display value variable name type format label variable label - year int %9.0g 1981 to 1989 totacc float %9.0g statewide total accidents fatacc int %9.0g statewide fatal accidents injacc int %9.0g statewide injury accidents pdoacc int %9.0g property damage only accidents ntotacc float %9.0g noninterstate total acc. nfatacc int %9.0g noninterstate fatal acc. ninjacc int %9.0g noninterstate injur acc. npdoacc int %9.0g noninterstate property acc. rtotacc int %9.0g tot. acc. on rural 65 mph roads rfatacc byte %9.0g fat. acc. on rural 65 mph roads rinjacc int %9.0g inj. acc. on rural 65 mph roads rpdoacc int %9.0g prp. acc. on rural 65 mph roads ushigh int %9.0g acc. on U.S. highways cntyrds int %9.0g acc. on county roads strtes int %9.0g acc. on state routes t int %9.0g time trend tsq int %9.0g t^2 unem float %9.0g state unemployment rate spdlaw byte %9.0g =1 after 65 mph in effect beltlaw byte %9.0g =1 after seatbelt law wkends byte %9.0g # weekends in month feb byte %9.0g =1 if month is Feb. mar byte %9.0g apr byte %9.0g may byte %9.0g jun byte %9.0g jul byte %9.0g aug byte %9.0g sep byte %9.0g oct byte %9.0g nov byte %9.0g dec byte %9.0g ltotacc float %9.0g log(totacc) lfatacc float %9.0g log(fatacc) prcfat float %9.0g 100*(fatacc/totacc) prcrfat float %9.0g 100*(rfatacc/rtotacc) lrtotacc float %9.0g log(rtotacc) lrfatacc float %9.0g log(rfatacc) lntotacc float %9.0g log(ntotacc) lnfatacc float %9.0g log(nfatacc) prcnfat float %9.0g 100*(nfatacc/ntotacc) lushigh float %9.0g log(ushigh) lcntyrds float %9.0g log(cntyrds) lstrtes float %9.0g log(strtes) spdt int %9.0g spdlaw*t beltt int %9.0g beltlaw*t prcfat_1 float %9.0g prcfat[_n-1] - Sorted by: 1
2 * Deklarierung der Daten als Zeitreihe, damit Lag-Operator und * Zeitreihenprozeduren funktionieren. tsset t time variable: t, 1 to 108 * Liniendiagramm der Zeitreihe. graph twoway line totacc t * Graphik mit Trend. graph twoway line totacc t lfit totacc t * Geschaetzte Werte bei Annahme eines linearen Trends und saisonaler Komponente * auf Monatsbasis. reg totacc t feb-dec Source SS df MS Number of obs = F( 12, 95) = Model e Prob > F = Residual R-squared = Adj R-squared = Total e Root MSE = totacc Coef. Std. Err. t P> t [95% Conf. Interval] t feb mar apr may jun jul aug sep oct nov dec _cons predict trend_saison, xb * Graphik des geschaetzten Trends und der Saisonkomponente. graph twoway line trend_saison t * Graphik des geschaetzten Trends und der Saisonkomponente (Trend als eigene Linie). graph twoway line trend_saison t lfit totacc t * Graphik des geschaetzten Trends und der Saisonkomponente inkl. Trendlinie und * Datenpunkte. graph twoway line trend_saison t lfit totacc t scatter totacc t 2
3 * Beispiel 2: Wasserverbrauch. use "C:\hja\lehre\daten\hamilton\MILwater.dta", clear (Milford daily water use, 1/1/83-7/31/83). des Contains data from C:\hja\lehre\daten\hamilton\MILwater.dta obs: 212 Milford daily water use, 1/1/83-7/31/83 vars: 5 10 Jun :05 size: 2,968 (99.7% of memory free) - storage display value variable name type format label variable label - month byte %9.0g Month day byte %9.0g Date year int %9.0g Year water int %9.0g Water use in 1000 gallons date float %d - Sorted by: date * Deklarierung der Daten als Zeitreihe, damit Lag-Operator und * Zeitreihenprozeduren funktionieren. tsset date time variable: date, 01jan1983 to 31jul1983 * Liniendiagramm der Zeitreihe. graph twoway line water date * Glaettung durch gleitende Mittelwerte. tssmooth ma glatt=water, window(5) The smoother applied was (1/5)*[x(t-5) + x(t-4) + x(t-3) + x(t-2) + x(t-1) + 0*x(t)]; x(t)= water * Liniendiagramm der geglaetteten Zeitreihe. graph twoway line glatt date * Berechnung der Autokorrelationsfunktion. corrgram water, lags(15) LAG AC PAC Q Prob>Q [Autocorrelation] [Partial Autocor] * Graphik der Autokorrelationsfunktion. ac water, lags(15) 3
4 * Generierung einer Zeitreihe aus 120 monatsweisen Beobachtungen. set obs 120 obs was 0, now 120. gen t=_n. gen jahr= int((t-1)/12). tab jahr jahr Freq. Percent Cum Total gen monat=mod(t, 12)+1. tab monat monat Freq. Percent Cum Total gen datum=mdy(monat, 1, jahr). format datum %d. tab datum datum Freq. Percent Cum. 01jan feb mar apr may jun jul aug sep weitere Ausgabe geloescht... 4
5 * Startwert ( ) fuer Zufallszahlengenerator setzen * damit Ergebnisse reproduzierbar sind. set seed * Generierung zweier normalverteilter Zufallsvariablen e und a. gen e=invnorm(uniform()). gen a=invnorm(uniform()) * Deklarierung der Daten als Zeitreihe, damit Lag-Operator und * Zeitreihenprozeduren funktionieren. tsset t time variable: t, 1 to 120 * Scheinkorrelation durch mangelnde Beruecksichtigung von Trends * Generierung von x und y, so dass beide Variablen Trend aufweisen. gen x = -3*t + 10*a. gen y = 2*t + 10*e * Erzeugung von Liniendiagrammen (Graphiken s. Powerpoint-Folien). graph twoway line e datum, title("normalverteilte Zufallsvariable e") name(e) xti > tle(" ") ytitle("e"). graph twoway line y datum, title("trend: y = 2*t + 10*e") name(y) xtitle(" ") yti > tle("y"). graph twoway line a datum, title("normalverteilte Zufallsvariable a") name(a) xti > tle(" ") ytitle("a"). graph twoway line x datum, title("trend: x = -3*t + 10*a") name(x) xtitle(" ") yt > itle("x"). graph combine e y a x, rows(2) cols(2) * Die beiden Zufallszahlen e und a sind statistisch voneinander unabhaengig * y und x haengen aber wg. des Trends deutlich miteinander zusammen. reg e a Source SS df MS Number of obs = F( 1, 118) = 1.50 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = e Coef. Std. Err. t P> t [95% Conf. Interval] a _cons reg y x Source SS df MS Number of obs = F( 1, 118) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = y Coef. Std. Err. t P> t [95% Conf. Interval] x _cons
6 . drop y x. graph drop x y a e * Scheinkorrelation bei Verwendung hoch persistenter Daten. gen y=e. replace y=l.y + e if t>1 (119 real changes made). gen x=a. replace x=l.x + a if t>1 (119 real changes made). graph twoway line x datum, title("x_t = x_t-1 + e_t") name(x) ytitle("x") xtitle > (" "). graph twoway line y datum, title("y_t = y_t-1 + e_t") name(y) ytitle("y") xtitle > (" "). ac x, lags(15) title("autocorrelations of x") name(ax) ytitle("autocorrelation"). ac y, lags(15) title("autocorrelations of y") name(ay) ytitle("autocorrelation"). graph combine x y ax ay, rows(2) cols(2). reg y x Source SS df MS Number of obs = F( 1, 118) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = y Coef. Std. Err. t P> t [95% Conf. Interval] x _cons clear 6
7 * Beispiel 3: Bauinvestitionen. use "C:\hja\lehre\daten\wooldridge\stata\HSEINV.DTA", clear. des linvpc lprice t storage display value variable name type format label variable label - linvpc float %9.0g log(invpc) lprice float %9.0g log(price) t byte %9.0g time trend: t=1,...,42. tsset year time variable: year, 1947 to 1988 * Ohne Kontrolle des Trends ergibt sich ein signifikanter Preiseffekt. reg linvpc lprice F( 1, 40) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = linvpc Coef. Std. Err. t P> t [95% Conf. Interval] lprice _cons * Bei Kontrolle des Trends ist der Preiseffekt nicht mehr signifikant. reg linvpc lprice t F( 2, 39) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = linvpc Coef. Std. Err. t P> t [95% Conf. Interval] lprice t _cons * Schätzung einer linearen Trendkomponente für die Bauinvestitionen. reg linvpc t F( 1, 40) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = linvpc Coef. Std. Err. t P> t [95% Conf. Interval] t _cons
8 * Die Residuen entsprechen den um den Trend bereinigten Werten von linvpc. predict y_detrended, resid * Der hohe R-Quadrat-Werte von oben (0.3408) ist dem Trend geschudet * ein realistischer Wert ergibt sich bei Verwendung der bereinigten Werte. reg y_detrended lprice t F( 2, 39) = 0.16 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = y_detrended Coef. Std. Err. t P> t [95% Conf. Interval] lprice t _cons * Trendbereinigung von lprice. reg lprice t F( 1, 40) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = lprice Coef. Std. Err. t P> t [95% Conf. Interval] t _cons predict x_detrended, resid * Sind alle Variablen trendbereinigt, dann kann sich die Kontrolle des Trends * im Regressionsmodell sparen. reg y_detrended x_detrended F( 1, 40) = 0.32 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = y_detrended Coef. Std. Err. t P> t [95% Conf. Interval] x_detrended _cons 3.63e
Einfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
Multiple Regression. Statistik II
Statistik II Übersicht Wiederholung Literatur Regression Assoziation und Kausalität Statistische Kontrolle Multivariate Beziehungen Inferenz Das Multivariate Modell Beispiel: Bildung und Verbrechen Fit
Zeitreihen. Statistik II
Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen
Panelregression (und Mehrebenenanwendungen)
Panelregression (und Mehrebenenanwendungen) Henning Lohmann Universität zu Köln Lehrstuhl für Empirische Sozial- und Wirtschaftsforschung SOEP@Campus 2007, Universität Duisburg-Essen, 11. Oktober 2007
Kategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
3. Einführung in die Zeitreihenanalyse
3. Einführung in die Zeitreihenanalyse Dr. Johann Burgstaller Finance Department, JKU Linz (Dieser Foliensatz wurde zuletzt aktualisiert am 25. Dezember 2007.) Dr. Johann Burgstaller IK Empirische Kapitalmarktforschung
Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse
Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple
Wärmepumpe Stromverbrauch Wärmepumpe. Jahresüberblick Kosten pro Monat [ ] Monatsdurchschnittstemperatur [ C]
Wärmepumpe 27 Jahresüberblick 27 25 3, 2 15 157 138 133 149 191 25, 2, 15, 1 92 9 1, 5 58 39 31 34 3 24 5,, Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez Ø -5, Kosten pro Monat [ ] Monatsdurchschnittstemperatur
Mittelwerte, Zusammenhangsmaße, Hypothesentests in Stata
Mittelwerte,, Hypothesentests in Stata Statistik II Statistik II Mittelwerte,, Hypothesentests (1/30) Wiederholung: Daten & Deskriptive Statistik Zwei nominale Variablen Zwei ordinale Variablen Nominal/intervallskalierte
Analysen politikwissenschaftlicher Datensätze mit Stata. Sitzung 5: Lineare Regression
Analysen politikwissenschaftlicher Datensätze mit Stata Sitzung 5: Lineare Regression 1 Vorbereitung Stata durch z:\profile.do starten Datensatz z:\daten\rpstrukt laden Achtung: Ab dieser Sitzung werden
Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
Externer Meilenstein. Manueller Sammelrollup Unterbrechung. Inaktiver Vorgang. Inaktiver Meilenstein Inaktiver Sammelvorgang
Nr. Vorgasname Dauer Anfang Fertig stellen VorgWer 1 Kick Off 0 Tage Di 05.02.13 Di 05.02.13 Alle 2 Grobkonzept erstellen 20 Tage Di 05.02.13 Mo 04.03.131 CN 3 Vorauswahl Shopsysteme 21 Tage Di 05.02.13
IBM Security Systems: Intelligente Sicherheit für die Cloud
: Intelligente Sicherheit für die Cloud Oliver Oldach Arrow ECS GmbH 2011 Sampling of Security Incidents by Attack Type, Time and Impact Conjecture of relative breach impact is based on publicly disclosed
AMK-Jahres-Wirtschafts-Pressekonferenz Küche 2015
AMK-Jahres-Wirtschafts-Pressekonferenz Küche 2015 GfK. Growth from Knowledge, 9. Mai 2016, Köln 1 Agenda 1 2 3 4 Wirtschaftliche Rahmenbedingungen, Konsumklima und Wohnungsbau Küchenmarkt Deutschland 2015
Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA. Universität Bamberg. Professur für VWL, Sozialpolitik
Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA Universität Bamberg Professur für VWL, Sozialpolitik Sommersemester 2005 Dipl.-Vw. Christoph Wunder () Einführung
Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse. Statistik II
Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Wiederholung Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik
Monat Datum Veranstaltung Veranstalter Mietkosten Bestätigung Vertrag Bezahlt
Monat Datum Veranstaltung Veranstalter Mietkosten Bestätigung Vertrag Bezahlt Januar Mi, 01.Jan.14 Do, 02.Jan.14 Fr, 03.Jan.14 Sa, 04.Jan.14 So, 05.Jan.14 Mo, 06.Jan.14 Di, 07.Jan.14 Mi, 08.Jan.14 Do,
Überblick über SRI und ESG Investments. Detlef Glow Head of Lipper EMEA Research
Überblick über SRI und ESG Investments Detlef Glow Head of Lipper EMEA Research Geschichte des nachhaltigen Investierens Geschichte des nachhaltigen Investierens 1969 Die Regierung der USA erlässt den
Finanzmarkttheorie I. Performancemessung in EViews Übungsunterlage. Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015
Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015 Finanzmarkttheorie I Performancemessung in EViews Übungsunterlage Die vorliegende Unterlage liefert eine kurze Einführung in die Schätzung linearer
Prüfung im Fach Ökonometrie im WS 2011/12 Aufgabenteil. Name, Vorname. Matrikelnr. Studiengang. E-Mail-Adresse. Unterschrift
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Aufgabenteil Name, Vorname Matrikelnr. Studiengang E-Mail-Adresse Unterschrift
Disclosure of shareholdings
Disclosure of shareholdings Credit Suisse Group AG announces a change in the composition of the Group that holds shares in Zurich Financial Services Ltd Zurich Financial Services Ltd Mythenquai 2 8022
Valuation Policy: Praktische Erfahrungen mit Bewertungsdifferenzen
Valuation Policy: Praktische Erfahrungen mit Dr. Beat Moser, UBS Investment Management UBS Global Wealth Management & Swiss Bank Investment Management GIPS Aperitif der Schweizerischen Bankiervereinigung
Germany. Reichstag. Verhandlungen des Reichstags
Center for Research Libraries Reference Folder Germany. Reichstag. Verhandlungen des Reichstags 1816-1866 #66 Contents guide to microform edition of German Reichstag Verhandlungen, and predecessor publications
C R 2025 C LOSE PUSH OPEN
3V C R 2025 C LOSE PUSH OPEN ) ) ) 25 222 3V C R 2025 C LOSE PUSH OPEN 25 222 3V C R 2025 C LOSE PUSH OPEN 25 222 Den här symbolen på produkten eller i instruktionerna betyder att den elektriska
Prognosen. Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. Auch ein Weiser hat nicht immer recht Prognosefehler sind hoch
Universität Ulm 8969 Ulm Germany Dipl.-WiWi Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 8/9 Prognosen
Statistik I. Übungklausur. Prof. Dr. H. Toutenburg
Statistik I Übungklausur Prof. Dr. H. Toutenburg Hinweis: Die Zeitangaben sollen Ihnen aufzeigen wieviel Zeit Ihnen für eine Aufgabe von gewissem Umfang eingeräumt wird. Die Punktzahlen für die einzelnen
Veräußerung von Emissionsberechtigungen in Deutschland
Veräußerung von Emissionsberechtigungen in Deutschland Monatsbericht September 2008 Berichtsmonat September 2008 Die KfW hat im Zeitraum vom 1. September 2008 bis zum 30. September 2008 3,95 Mio. EU-Emissionsberechtigungen
Dep Journey Arr Change Dep Journey Arr Dur. Servicedays 6:10 EN 414 _ Y. 7:53 Buchs SG 7:53 Walk (0 Min.) not every day b
our Personal Timetable valid from 11.12.2016 to 09.12.2017 St.Anton am Arlberg Bahnhof Zürich Flughafen 6:10 EN 414 _ 6:10 EN 414 _ 6:10 EN 414 _ 6:48 EN 246 _ 6:48 EN 246 _ 6:48 EN 246 _ 6:48 EN 246 _
5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze
Lehrstuhl für Statistik und empirische irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im ach Ökonometrie im S 20/2 Lösungsskizze Aufgabe (.5 Punkte) Sie verfügen über einen Datensatz, der Informationen
Ergänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression
Prof. Dr. Peter von der Lippe ( Übungsblatt E) Ergänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression Das Beispiel "Mindestlöhne" zur einfachen multiplen Regression ergab die folgenden Parameter
LMS Training Services - Contact Info
Siemens Industry Sector Siemens Industry Software NV Interleuvenlaan 68 Researchpark Haasrode Z1 B 3001 Leuven [] T +32 16 384 200 F +32 16 384 350 www.siemens.com/plm LMS Training Services - Contact Info
Marktreport Strukturierte Produkte Monatsbericht
Marktreport Strukturierte Produkte Monatsbericht Juli 215 Schweizerischer Verband für Strukturierte Produkte SVSP Marktreport SVSP Juli 215 Schweizerischer Verband für Strukturierte Produkte SVSP www.svsp-verband.ch
IT für Patienten, Partner und Mitarbeiter Medi24 - Roman Feierabend
IT für Patienten, Partner und Mitarbeiter Medi24 - Roman Feierabend Agenda Medi24 Ausgangslage Herausforderungen Lösung Resultat und Nutzen Learnings Ausblick Medi24 Medi24 ist Pionier in der Telemedizin
Empirische Wirtschaftsforschung: Einführung in Stata
Empirische Wirtschaftsforschung: Einführung in Stata Die Anwendung der in der Vorlesung vermittelten Methoden am PC mit realen Daten ist ein zentraler Bestandteil dieser Veranstaltung. Wir verwenden die
Mobile Trends Was braucht der Markt welches Potential hat der Markt. Arne Erichsen Director Market Management
Mobile Trends Was braucht der Markt welches Potential hat der Markt Arne Erichsen Director Market Management Agenda 18 Milliarden Mobile Geräte weltweit Business Intelligence Expedia, Inc. Alle Rechte
Überschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Fragen zu ORCID. Martin Fenner Public Library of Science ORCID Outreach Steering Group http://orcid.org/0000-0003-1419-2405
Fragen zu ORCID Martin Fenner Public Library of Science ORCID Outreach Steering Group http://orcid.org/0000-0003-1419-2405 Meine Beziehung zu ORCID? 2 Meine Rolle bei ORCID ORCID-Vorstand 2010-2012 Mitarbeiter
In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
PV Marktdaten Update Juni 2015
PV Marktdaten Update Juni 2015 Stand 31.07.2015 Alle Angaben ohne Gewähr 1 Vorwort zur Datenerhebung Juni 2015 Monatliche Veröffentlichung der PV-Meldezahlen Die Bundesnetzagentur veröffentlicht gemäß
Lead User-Projekt. Dr. Theo Schöller-Stiftungslehrstuhl für Technologieund Innovationsmanagement Prof. Dr. Joachim Henkel
Technische Universität München Lead User-Projekt Dr. Theo Schöller-Stiftungslehrstuhl für Technologieund Innovationsmanagement Prof. Dr. Joachim Henkel Technische Universität München Übersicht 1 2 3 Lead
HAFAS Booklet Table PDF-Output Frankfurt (Main) Airport - Gießen Bahnhof. Outward. valid from 13.01.2010 to 11.12.2010
PDF-Output Frankfurt (Main) Airport - Gießen Bahnhof valid from 13.01.2010 to 11.12.2010 Outward Traffic notes* Su V101 Mo - Sa V102 Mo - Fr V103 Sa V104 Mo - Fr V103 Mo - Sa V105 Mo - Fr V103 Su V101
Januar 2016. Deadline und Abrechnungsdetails. Zeichnungen. Rücknahmen. Deadline CET. Deadline CET. Valuta Titellieferung. Valuta Geldüberweisung
und sdetails Januar 2016 CH0017403509 1'740'350 Reichmuth Himalaja CHF 25. Jan 16 12.00 25. Jan 16 1) 29. Jan 16 17. Feb 16 1. Feb 16 3) CH0017403574 1'740'357 Reichmuth Himalaja EUR 25. Jan 16 12.00 25.
2 of 8 01/10/2009 10:31 PM dep07:02 Regio 1 S 9 S-Bahn Direction: Offenbach(Main)Ost Frankfurt-Niederrad arr 07:09 3 Frankfurt-Niederrad dep07:16 2 RE
1 of 8 01/10/2009 10:31 PM Query page Connection: from to Konstanz, weitere Angaben: only local transport Selection single ride Hbf dep05:31 Bus AIR Bus Direction: arr 05:58 Subject to supplement walk
Java: Eine Übersicht. Dennis Giffhorn. Lehrstuhl für Programmierparadigmen Universität Karlsruhe
Java: Eine Übersicht Dennis Giffhorn Lehrstuhl für Programmierparadigmen Universität Karlsruhe Allgemeines Objektorientiert Syntaxfamilie von C/C++ Statisch getypt Entwickelt von Sun Microsystems class
Herzlich Willkommen. Geschäftspartner Vorlieferanten, Behörden, Aktionäre Mitarbeiter/innen, Gäste
Herzlich Willkommen Geschäftspartner Vorlieferanten, Behörden, Aktionäre Mitarbeiter/innen, Gäste 01 PRÄSENTATION CEO S. 2 01 PRÄSENTATION CEO S. 4 Organigramm angepasst Globaler Gasmarkt gesamt: Anteile
Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit
Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro
Bloomberg Datenexport OHNE Anwendung von Bloomberg BDH Formeln oder anderen Excel-Plugin Bloombergformeln
Bloomberg Datenexport OHNE Anwendung von Bloomberg BDH Formeln oder anderen Excel-Plugin Bloombergformeln Von Bloomberg wird ein gewisses Kontingent für den formelbasierten Download via Excel-Add In zur
ANNEX A - PROTOCOL IMPLEMENTATION CONFORMANCE STATEMENT (NORMATIVE)
ANNEX A - PROTOCOL IMPLEMENTATION CONFORMANCE STATEMENT (NORMATIVE) BACNET STANDARDIZED DEVICE PROFILE (ANNEX K): LIST ALL BACNET INTEROPERABILITY BUILDING BLOCKS SUPPORTED (ANNEX K): SEGMENTATION CAPABILITY:
Übung Statistik I Statistik mit Stata SS Zusammenhangsanalyse III
Übung Statistik I Statistik mit Stata SS07 02.07.2007 11. Zusammenhangsanalyse III Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata - 1 -
LibreOffice The Document Foundation Einblick und Ausblick
LibreOffice The Document Foundation Einblick und Ausblick 9. Juni 2012 Zürich OSS in Schulen Jacqueline Rahemipour jrahemipour@documentfoundation.org Zur Person: Jacqueline Rahemipour 2005 2010 Projektleiterin
if ($rows == 0) { save_new(); } }
Page 212, Listing index.php There is: Must be: // Prüfen, ob nicht Seite aktualisiert // wurde mit z.b. F5. der gleiche // Eintrag soll nicht mehrmals // gespeichert werden können $sql_check = "SELECT
Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren
Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.
BOARD BEAM: Überblick
Better decisions. Better business. BOARD BEAM: Überblick BOARD Enterprise Analytics Modelling (BEAM): Treffen Sie bessere Entscheidungen dank besserer Informationen und Prognosen. BEAM verbindet Advanced
Veröffentlichung gemäß 26 Abs. 1 WpHG
Veröffentlichung gemäß 26 Abs. 1 WpHG Wir haben folgende Mitteilungen nach 25a Abs. 1 WpHG am 30.04.2015 erhalten: 1. Emittent: TUI AG, Karl-Wiechert-Allee 4, 30625 Hannover, Deutschland 2. Mitteilungspflichtiger:
PacketWise Update mit zeitgesteuerter Reset Funktion created by: Rainer Bemsel Version 1.0 Dated: Nov/08/2008
created by: Rainer Bemsel Version 1.0 Dated: Nov/08/2008 Mit Hilfe dieser Kurzanleitung sind sie in der Lage den PacketShaper mit einer neuen PacketWise Version upzugraden und die erforderlichen Neustarts
PG TAK: Stand der Ergebnisse aus SSO-Sicht. Bonn, 14.05.2013
PG TAK: Stand der Ergebnisse aus SSO-Sicht Bonn, Hintergrund / Ausgangslage Auslöser des Projekts TaK sind Vorschläge der FNB im Szenariorahmen zum NEP 2013, Speicher transportseitig mit einem temperaturabhängigen
(GENERAL FULL FACTORIALS)
TQU BUSINESS GMBH VOLLFAKTORIELLE VERSUCHSPLÄNE (GENERAL FULL FACTORIALS) Lernziele Sie können vollfaktorielle Versuchspläne auf und mehr Stufen erstellen. Sie kennen Haupteffekte und Wechselwirkungen
FOCUS Werbebilanz Februar 2016
FOCUS Werbebilanz Februar 2016 FASTER BETTER EFFICIENT FOCUS 2016 1 Werbebilanz 2/2016 FASTER BETTER EFFICIENT FOCUS 2016 2 Werbeentwicklung Februar 2016 % Veränderung zum Vorjahresmonat 12 10,6 10 9,4
SiteAudit Analyzer. Ein kurzer Überblick. Audit und Flotten-Management Flottenanalyse und Berichtswesen Kompatibel mit allen Umgebungen
Das fortschrittliche Tool für MPS- Berichtswesen Bestand Flottenalter Flottenmix Volumenmix Volumenentwicklung Auslastung Füllstände Nachfüllung Materialverschwendung Flottenzustand Probleme im Bestand
Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung
Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16 Uhr Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata
Energieeffizienz und ihre Umsetzung am Beispiel einer Kraft-Wärme- Kopplungsanlage
Energieeffizienz und ihre Umsetzung am Beispiel einer Kraft-Wärme- Kopplungsanlage 1 Mein Werdegang 1961 geboren in Berlin 1989 Dipl.-Ing. Energie- und Verfahrenstechnik, TU- Berlin, Studentische Hilfskraft
Thermische Arealvernetzung am Beispiel des Areals Suurstoffi (Simulation und Monitoring) Philipp Kräuchi und Nadège Vetterli
Thermische Arealvernetzung am Beispiel des Areals Suurstoffi (Simulation und Monitoring) Forschung & Entwicklung Zentrum für Integrale Gebäudetechnik Philipp Kräuchi Senior Wissenschaftlicher Mitarbeiter
die täglichen Schlusskurse eines börsengehandelten Wertpapiers,
Wirtschaftswissenschaftliches Zentrum 5 Universität Basel Statistik Dr. Thomas Zehrt Zeitreihen Motivation Typische Beispiele für Zeitreihen sind die täglichen Schlusskurse des SMI Nummer 1 2 3 4 5 Datum
Security. 2013 IBM Corporation
Security 1 2013 IBM Corporation IBM X-Force 2013 Mid-Year Trend and Risk Report Carsten Dietrich 2 2013 IBM Corporation X-Force bildet die Basis für Advanced Security and Threat Research für das IBM Security
SWISS Verkehrszahlen Juli 2007
SWISS Verkehrszahlen Juli 2007 SWISS im Juli mit höherer Auslastung SWISS konnte ihre Auslastung im Juli weiter steigern: Der durchschnittliche Sitzladefaktor (SLF) lag bei 85% gegenüber 84.2% im Vorjahr.
Herzlich Willkommen beim Seminar Powertrading mit den Elliott-Wellen
Herzlich Willkommen beim Seminar Powertrading mit den Elliott-Wellen Ralph Nelson Elliott 7 -. August "The Wave Principle". Impuls Korrektur numerische Phase b a c alphabetische Phase b a c Die richtige
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse
Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen
SWISS PRIVATE SECURE
Ihr starker IT-Partner. Heute und morgen SWISS PRIVATE SECURE Technologiewende als Wettbewerbsvorteil Sicherheitsaspekte im IT-Umfeld Bechtle Managed Cloud Services 1 Bechtle Switzerland 05/02/2014 Bechtle
Generated by Foxit PDF Creator Foxit Software
3.Jan 2011-10.Jul 2011 Dienstag, 11. Januar 2011 Donnerstag, 13. Januar 2011 Dienstag, 18. Januar 2011 Montag, 7. Februar 2011 Montag, 14. Februar 2011 Samstag, 26. Februar 2011 Donnerstag, 3. März 2011
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
Materialien zur Vorlesung. Rendite und Risiko
Materialien zur Vorlesung Rendite und Risiko Burkhard Erke Quellen: Brealey/Myers, Kap. 7 Mai 2006 Lernziele Langfristige Rendite von Finanzanlagen: Empirie Aktienindizes Messung von Durchschnittsrenditen
Die Varianzanalyse. Analysis of Variance (ANOVA) Jonathan Harrington
Die Varianzanalyse Analysis of Variance (ANOVA) Jonathan Harrington path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Variablen, Faktoren, Ebenen Faktoren oder
Andreas Schumann Ruhr- Universität Bochum Lehrstuhl für Hydrologie, Wasserwirtschaft und Umwelttechnik
Das Augusthochwasser 22 im Osterzgebirge und dessen statistische Bewertung The extreme flood in August 22 in the eastern part of the Ore Mountains and its statistical assessment Andreas Schumann Ruhr-
Der Anleger im Spannungsfeld von langfristigen Renditen, kurzfristigen Verwerfungen und der Inflationsdrohung
Der Anleger im Spannungsfeld von langfristigen Renditen, kurzfristigen Verwerfungen und der Inflationsdrohung Prof. Dr. Erwin W. Heri Universität Basel und Swiss Finance Institute, Zürich Die Finanzmärkte
Provisorische Agenda 2016 für firmeninterne Geospatial-Schulungen
Provisorische Agenda 2016 für firmeninterne Geospatial-Schulungen Kontakt: Programme: training@camptocamp.com http://www.camptocamp.com/de/category/geospatial-de/?type=formation Schulungsorte: Chambéry
Global deflation, the euro and growth
Global deflation, the euro and growth Washington. 4. 14 Professor Dr. Heiner Flassbeck Veränderungsrate geg. Vorjahr in vh 1971 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 13
Tutorium zur Makroökonomik
Universität Ulm 89069 Ulm Germany Dipl. WiWi. Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Tutorium zur Makroökonomik
Modellgestützte Analyse und Optimierung Übungsblatt 4
Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 4 Ausgabe: 27.04.2015, Abgabe: 04.05.2015 (12 Uhr) Aufgabe 4.1: Verteilungsfunktionen
QUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013
QUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013 ZEITREIHEN 1 Viele Beobachtungen in den Wirtschaftswissenschaften
Log-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
Dun & Bradstreet Compact Report
Dun & Bradstreet Compact Report Identification & Summary (C) 20XX D&B COPYRIGHT 20XX DUN & BRADSTREET INC. - PROVIDED UNDER CONTRACT FOR THE EXCLUSIVE USE OF SUBSCRIBER 86XXXXXX1. ATTN: Example LTD Identification
Clubs im mittleren Preissegment: Finde Ihre Nische
Clubs im mittleren Preissegment: Finde Ihre Nische PRIME TIME fitness Vienna Hilton 1. November 2012 Inhalt 1. Schlüssel-Fakten Prime Time Fitness (PTF) 2. Erfolgreich sein mit Preisgestaltung im mittleren
Portfoliorisiko und Minimum Varianz Hedge
ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und
Datenbanken und Informationssysteme I K532
Studienarbeit von Joachim Müller und Dirk Waldik im Fach Datenbanken und Informationssysteme I K532 an der Fachhochschule Karlsruhe Fachbereich Geoinformationswesen Studiengang Kartographie unter Leitung
Peak. Peak. Peak. Peak
POWER Spot Hourly Auction Phelix France Swissix Day Base Day Peak Month Base Month Peak 59.01 65.40 59.01 65.40 Turnover Spot Hourly Auction Phelix Intraday Power EPEX Day GWh Turnover Spot Intraday Month
QM und Erfahrungen bei Robert Bosch. Herzlich Willkommen
QM und Erfahrungen bei Robert Bosch Herzlich Willkommen Referent: Dietmar Mannagottera - Robert Bosch GmbH Vortrag DGQ-Regionalkreis Berlin am 16.09.2009, 17:00 in Berlin 1 2 - eine Einführung - Inhalt:
SanStore: Kurzanleitung / SanStore: Quick reference guide
SanStore Rekorder der Serie MM, MMX, HM und HMX Datenwiedergabe und Backup Datenwiedergabe 1. Drücken Sie die Time Search-Taste auf der Fernbedienung. Hinweis: Falls Sie nach einem Administrator-Passwort
5 Zusammenhangsmaße, Korrelation und Regression
5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer
Einführung in die Zeitreihenanalyse mit EViews
1. Einführung 1 Reinhold Kosfeld und Matthias Türck Einführung in die Zeitreihenanalyse mit EViews 1. Einführung Das Programm "Eviews" ist ein Computerprogramm der Firma "Quantitative Micro Software" für
Wie beeinflusst uns das Internet? Internet the net of nets
Internet the net of nets cnlab / HSR 11/8/01 4 Was ist das Internet? Format NZZ, 1996, Internet Business (150sec) Was ist eigentlich das Netz der Netze? cnlab / HSR 11/8/01 5 Internet: the Net of Nets
Pressefrühstück, 13. November 2014
Wiener Institut für Internationale Wirtschaftsvergleiche The Vienna Institute for International Economic Studies www.wiiw.ac.at Pressefrühstück, 13. November 214 wiiw-prognose für Mittel-, Ost- und Südosteuropa,
TreffpunktWALD Alle Veranstaltungen rund um den Wald! TreffpunktWALD (MeetingpointFOREST)
TreffpunktWALD (MeetingpointFOREST) 1 a platform for forest communication: TreffpunktWALD What? 1. internal organization of activities of its members 2. online calendar of events in the forest (www.treffpunktwald.de)
Die Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
AIT Austrian Institute of Technology Ergebnisse von Wärmepumpen-Untersuchungen im Labor und Feld
AIT Austrian Institute of Technology Ergebnisse von Wärmepumpen-Untersuchungen im Labor und Feld Heinrich Huber Deputy Head Sustainable Thermal Energy Systems Energy Department Inhalt Vorstellung der IEA