Wie man mit Statistik schlecht informiert: Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering
|
|
- Agnes Brandt
- vor 8 Jahren
- Abrufe
Transkript
1 Wie man mit Statistik schlecht informiert: Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering Marcus Michalsky Institut für Informatik 28. Januar 2010
2 Inhalt Überblick Methodik Ergebnisse Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 2,
3 Kontrolliertes Experiment A x Behandlung Variablen messen y B Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 3
4 Ziel der Arbeit Praktiken der Ergebnisdarstellung von kontrollierten Experimenten unter drei Gesichtspunkten Verwendung beschreibender Statistiken Angabe der Ergebnisse statistischer Auswertungsverfahren Präsenz, Verfügbarkeit und Zustand von Rohdaten Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 4
5 Erfassung von Artikeln mit Experimenten Artikel der Zeitschriften: Empirical Software Engineering (EMSE) IEEE Transactions on Software Engineering (TSE) Artikel der Konferenz: International Conference on Software Engineering (ICSE) Suchverfahren: Titel, keywords abstract Artikel Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 5
6 Speicherung der erfassten Merkmale (a) Experiment id... EMSE ICSE TSE (b) abh. Variablen id var... EMSE worktime... EMSE defectsn Tabelle CSV Statistiksoftware R Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 6
7 Ergebnisse: Menge von Experimenten # experiments EMSE ICSE TSE Abbildung: # Experimente je Zeitschrift/Konferenz pro Jahr year 36 / 490 (7%) untersuchten Artikeln enthalten 53 Experimente Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 7
8 Ergebnisse: beschreibende Statistiken % Mittelwert 71% Standardabweichung 56% Tabellen 71% Boxplots 48% Tabelle: Angabe von beschreibenden Statistiken Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 8
9 beschreibende Statistiken - Beispiel Table 5 Descriptive statistics Task/method Time (min) F-Measure (%) Recal Median Mean Std. Dev. Median Mean Std. Dev. Media Exp I All MT AT T1 MT AT T2 MT AT Exp II All MT AT T1 MT AT T2 MT AT Task: T1 (tracing use cases onto code classes) or T2 (tracing interaction diagrams onto test cases) Method: MT (manual tracing) or AT (ADAMS Re-Trace) Abbildung: Beschreibende Statistiken aus EMSE09-57 Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 9
10 beschreibende Statistiken - Beispiel Experiment 1 Experiment 2 M M MT MT N=20 N=12 M M AT AT N=20 N= TIME TIME Abbildung: Boxplots für EMSE09-57 Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 10
11 beschreibende Statistiken - Beispiel Density Experiment 1, AT group, TIME N = 20 Bandwidth = Abbildung: Dichteplot für EMSE09-57 Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 11
12 Kontrolliertes Experiment (Wdh.) A x Behandlung Variablen messen y B Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 12
13 Reported p-values Ergebnisse: statistische Methoden (1) nicht angegeben 293 ( 42% ) angegeben 402 ( 58% ) Abbildung: Anteil an berichteten p-werten Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 13
14 Reported Confidence Intervals Ergebnisse: statistische Methoden (2) nicht angegeben 30 ( 83% ) angegeben 6 ( 17% ) Abbildung: Anteil an berichteten Konfidenzintervallen (je Artikel) Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 14
15 Ergebnisse: statistische Methoden (3) Experimente berichten p-werte von und Zeitlicher Unterschied vorhanden, aber wie groß? berechnete Konfidenzintervalle ergeben CI Exp1 = ( 61, 34) CI Exp2 = ( 65, 42) Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 15
16 Ergebnisse: Rohdaten (1) Verfuegbarkeit von Rohdaten vorhanden 8 ( 22% ) nicht vorhanden 28 ( 78% ) Abbildung: Verfügbarkeit von Rohdaten Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 16
17 Ergebnis der Rohdatenanfrage Ergebnisse: Rohdaten (2) Antwort 17 ( 61% ) nicht erreichbar 1 ( 4% ) keine Antwort 10 ( 36% ) Abbildung: Ergebnis der Rohdatenanfrage Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 17
18 Ergebnisse: Rohdaten (3) Erhalt von Daten Daten 7 ( 41% ) keine Daten 10 ( 59% ) Abbildung: Anteil positiver/negativer Antworten Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 18
19 Rohdaten - Beispiel Experiment 2 M UML N=28 CI out = (-0.02, 0.16) M CI = (0.01, 0.15) Conallen N= Precision Abbildung: Boxplot für ICSE Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 19,
20 Zusammenfassung Artikel mit kontrollierten Experimenten erfasst auf drei Aspekte der Ergebnisdarstellung hin untersucht Ergebnisse beschreibende Statistiken Auswertunsverfahren Rohdaten Anschauungsbeispiele Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering - Marcus Michalsky 20
Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrEmpirische Softwaretechnik Kosten und Nutzen von UML in der Wartung Dr. Victor Pankratius Andreas Höfer Wintersemester 2009/2010
Empirische Softwaretechnik Dr. Victor Pankratius Andreas Höfer Wintersemester 2009/2010 IPD Tichy, Fakultät für Informatik Pflichtlektüre hierzu: Dzidek, Arisholm, Briand, A Realistic Empirical Evaluation
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrEinfache statistische Auswertungen mit dem TI-Nspire
1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,
MehrStatistik 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
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrEine Bürokratiekostenfolgenabschätzung zum zweiten Gesetz für moderne Dienstleistungen am Arbeitsmarkt im Hinblick auf die Einführung einer Gleitzone
Eine Bürokratiekostenfolgenabschätzung zum zweiten Gesetz für moderne Dienstleistungen am Arbeitsmarkt im Hinblick auf die Einführung einer Gleitzone Das IWP Institut für Wirtschafts- und Politikforschung
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
Stichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/
MehrDSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS. Intervention + BMI
DSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS + BMI Sophie-Helene Narath Klemens Fuchs Günter Polt Bericht Nr.: B09_003_DSR Freigegeben im April 09 Österreichische Agentur für Gesundheit und Ernährungssicherheit
Mehr1 Darstellen von Daten
1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen
MehrSimple SMS SMS Gateway
Simple SMS SMS Gateway 2-WAY SMS HTTP-Weiterleitung Bei Fragen kontaktieren Sie bitte die Simple SMS Service- Hotline: Telefon: 0800 20 20 49 00 (kostenlos aus AT, DE, CH, FR, GB, SK) Telefon: +43 (0)
MehrStatistische Auswertung der Daten von Blatt 13
Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrLineare Modelle in R: Einweg-Varianzanalyse
Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrUse Cases. Use Cases
Use Cases Eigenschaften: Ein Use Case beschreibt einen Teil des Verhaltens eines Systems aus externer Sicht (Formuliert in der der Fachsprache der Anwendung) Dies geschieht, indem ein Systemdialog beschrieben
Mehr14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler
DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:
MehrZentralabitur am Beruflichen Gymnasium
Zentralabitur am Beruflichen Gymnasium Ergebnisse 2012 Ministerium für Referat 533 Zentralabitur am Beruflichen Gymnasium - 1 - 1. Abiturdurchschnittsnote Im Schuljahr 2011/12 haben 7952 Schülerinnen und
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
Mehr1. Einfuhrung zur Statistik
Philipps-Universitat Marburg Was ist Statistik? Statistik = Wissenschaft vom Umgang mit Daten Phasen einer statistischen Studie 1 Studiendesign Welche Daten sollen erhoben werden? Wie sollen diese erhoben
MehrEin System zur Erfassung, Speicherung und Auswertung landwirtschaftlicher Versuche Einsatz von SAS in Datenbankzugriff und statistischer Analyse
Ein System zur Erfassung, Speicherung und Auswertung landwirtschaftlicher Versuche Einsatz von SAS in Datenbankzugriff und statistischer Analyse H. Bleiholder, BASF Agrarzentrum, Limburgerhof C. Janson,
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrProbeklausur Softwareengineering SS 15
Probeklausur Softwareengineering SS 15 Hinweis: Die Bearbeitungsdauer entspricht dem Punktewert. Aufgabe 1 (10 min) Beschreiben Sie das Vorgehensmodell Test-Driven-Development (TDD) a) Erläutern Sie das
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische
MehrPHP - Projekt Personalverwaltung. Erstellt von James Schüpbach
- Projekt Personalverwaltung Erstellt von Inhaltsverzeichnis 1Planung...3 1.1Datenbankstruktur...3 1.2Klassenkonzept...4 2Realisierung...5 2.1Verwendete Techniken...5 2.2Vorgehensweise...5 2.3Probleme...6
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrPrüfung Software Engineering II (IB)
Hochschule für angewandte Wissenschaften München Fakultät für Informatik und Mathematik Studiengruppe IB 4 A Sommersemester 2015 Prüfung Software Engineering II (IB) Datum : 20.07.2015, 12:30 Uhr Bearbeitungszeit
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
MehrZusammenfassende Beurteilung der Unterrichtsbeispiele für Wirtschaft und Recht
Zusammenfassende Beurteilung der Unterrichtsbeispiele für Wirtschaft und Recht In die Auswertung der Beurteilungen der Unterrichtsbeispiele gingen von Seiten der SchülerInnen insgesamt acht Items ein,
MehrDas GRD-Online - Diagnoseinstrument www.grd.at
Das GRD-Online - Diagnoseinstrument www.grd.at Märkte und Kunden analysieren, geeignete Bewerber finden, Mitarbeiter entwickeln. Informationen über die GRD Dienste unter www.kompetenzpaket.com Sofort einsetzbar,
MehrUse Cases. Die Sicht des Nutzers. Fortgeschrittenenpraktikum SS 2004
Use Cases Die Sicht des Nutzers Fortgeschrittenenpraktikum SS 2004 Gunar Fiedler Lehrstuhl für Technologie der Informationssysteme Kontakt: fiedler@is.informatik.uni-kiel.de Use Cases 2 Was ist ein Use
MehrAusgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 11.0 Multivar
Ausgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 11.0 Multivar Einstieg über Leitfaden Über das Symbol Leitfaden erhält man einen Überblick der statistischen Methoden.
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
MehrProduktmanager Gehaltsstudie 2013/2014 Auswertung der Befragung von über 500 Produktmanager in Deutschland
Produktmanager Gehaltsstudie 2013/2014 Auswertung der Befragung von über 500 Produktmanager in Deutschland Marketing Consult GmbH * Clemensstraße 30 * 80803 München * Telefon: +49 89 55297330 Telefax:
MehrThomas Bretz. Sensitivitätsverbesserung bei MAGIC durch Berücksichtigung der Signalankunftszeit in der Analyse
Thomas Bretz Sensitivitätsverbesserung bei MAGIC durch Berücksichtigung der Signalankunftszeit in der Analyse 2 Entwicklung Erste Versuche das Cherenkov Licht von Luftschauern zu detektieren (Hill and
MehrFragebogen. zur Erschließung und Sicherung von Online-Dokumenten. Auswahl von elektronischen Publikationen
Fragebogen zur Erschließung und Sicherung von Online-Dokumenten I. Angaben zum Ansprechpartner Nachname Vorname Institution E-Mail-Adresse II. Auswahl von elektronischen Publikationen 1a) Wertet Ihre Institution
MehrModellbasierte Softwareentwicklung
CD OCL OD Statechart SD Modellbasierte Softwareentwicklung 7. Evolutionäre Methodik 7.1. Vorgehensmodell Vorlesungsnavigator: Prof. Dr. Bernhard Rumpe Sprache Codegen. http://www.se-rwth.de/ Testen Evolution
Mehr1 Wozu ein Performance Test?
Performance Test 1 Wozu ein Performance Test? 004 führte ein S7/S5 OPC-Server Hersteller einen Performance-Test durch, bei dem die Leistungsfähigkeit von S7 OPC-Servern acht verschiedener Hersteller (Applicom,
MehrRequirements Engineering Die Dinge von Anfang an richtig machen
Requirements Engineering Die Dinge von Anfang an richtig machen Martin Glinz www.ifi.uzh.ch/~glinz Erstes Requirements Engineering Forum Zürich, 13. November 2008 Universität Zürich Institut für Informatik
MehrEvaluation der Normalverteilungsannahme
Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden
MehrAnforderungen an Datensätze für die statistische Analyse
Anforderungen an Datensätze für die statistische Analyse 1. Vorbereiten eines Datensatzes zur Analyse In dieser Anleitung erklären wir den korrekten Aufbau Ihres Datensatzes, damit er anschliessend mit
MehrEinführung in die Programmierung
: Inhalt Einführung in die Programmierung Wintersemester 2008/09 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund - mit / ohne Parameter - mit / ohne Rückgabewerte
MehrInternet- und Literaturrecherche für Ingenieurwissenschaften
Internet- und Literaturrecherche für Ingenieurwissenschaften Milena Pfafferott milena.pfafferott@tu-ilmenau.de 03.11.2011 Seite 1 THEMATISCHES GOOGLE? BIBLIOTHEKSKATALOGE DATENBANKEN 03.11.2011 Seite 2
MehrTechnische Universität Braunschweig Rebenring 58A 38106 Braunschweig Deutschland
Technische Universität Braunschweig Rebenring 8A 806 Braunschweig Deutschland An: Herr PD Dr. Christian Werner persönlich/vertraulich Technische Universität Braunschweig Carl-Friedrich-Gauß-Fakultät Lehrevaluation
MehrKlausur Software Engineering für WI (EuI)
Autor: Prof. Dr. Bernhard Humm, FB Informatik, FH Darmstadt Datum: 14. Februar 2006 Klausur Software Engineering für WI (EuI) Ihr Name: Ihre Matrikelnummer Erreichte Punkte (von insgesamt 57 Punkten):
MehrMehr Umsatz mit Value Apps. Peter M. Brak, Partner, proaxia consulting group ag SAP Mobile Forum, 17. April 2013
Mehr Umsatz mit Value Apps Peter M. Brak, Partner, proaxia consulting group ag SAP Mobile Forum, 17. April 2013 Mehr Umsatz/Geschäft durch Value Apps proaxia consulting group ag International Unser Fokus
MehrVorhersagemodell für die Verfügbarkeit von IT-Services
Vorhersagemodell für die Verfügbarkeit von IT-Services Magdeburg Research and Competence Cluster Very Large Business Applications Lab Fakultät für Informatik Institut für Technische und Betriebliche Informationssysteme
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
MehrWerkzeuggestützte Softwareprüfungen Statische Analyse und Metriken
Werkzeuggestützte Softwareprüfungen Statische Analyse und Metriken Dennis Hardt 21.06.2006 Gliederung Statische Analyse Definition, Arbeitsweise, Werkzeuge Angewandt auf ein Projekt Statische Analyse selbst
MehrDatenanalyse. Compliance- Beobachtung. Stand 17.08.2013
Datenanalyse Compliance- Beobachtung Stand 17.08.2013 Compliance-Daten Die hier dargestellten Ergebnisse stellen eine Gesamtauswertung der durch die Teilnehmer eingesandten Beobachtungsdaten dar. Eine
MehrUmsetzung von BI-Lösungen mit Unterstützung einer Suchmaschine. TDWI Stuttgart 15.04.2015 Tobias Kraft, exensio GmbH
Umsetzung von BI-Lösungen mit Unterstützung einer Suchmaschine TDWI Stuttgart 15.04.2015 Tobias Kraft, exensio GmbH Suchmaschinen Elasticsearch BI-Stack mit Elasticsearch Use Cases Pharmabranche 2 Funktionen
MehrFULFILLMENT VON ALLYOUNEED
FULFILLMENT VON ALLYOUNEED Mit dem Fulfillment Angebot von Allyouneed.com steigern Sie die Effektivität Ihres Geschäftes. Allyouneed und DHL kümmern sich um den Rest. Wir erklären Ihnen, wie Sie in 4 einfachen
MehrMake It Easy Ein Tool zur automatisierten Auswertung und Analyse für einen automatisierten Simulationsprozess
Make It Easy Ein Tool zur automatisierten Auswertung und Analyse für einen automatisierten Simulationsprozess DI Werner Tieber, DI Werner Reinalter Mehrkörpersimulation (MKS) MAGNA STEYR Engineering Austria
MehrMulticheck Schülerumfrage 2013
Multicheck Schülerumfrage 2013 Die gemeinsame Studie von Multicheck und Forschungsinstitut gfs-zürich Sonderauswertung ICT Berufsbildung Schweiz Auswertung der Fragen der ICT Berufsbildung Schweiz Wir
MehrBitte leiten Sie diese Information an die zuständige Fachabteilung, bzw. die Anwender der oben genannten Produkte weiter.
3. April 2013 cobas Software v1.x und v2.0 auf den Systemen cobas 4800 und cobas z 480: Seltener Channel Shift bei der Fluoreszenzauswertung führt zu invaliden Ergebnissen oder
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrSo hab` ich meinen Blutzucker im Griff! Voraussetzungen für ein erfolgreiches Diabetes-Management
So hab` ich meinen Blutzucker im Griff! Voraussetzungen für ein erfolgreiches Diabetes-Management So hab` ich meinen Blutzucker im Griff! Einleitung für wen? Typ 1-Diabetiker mit ICT oder Insulin-Pumpe
MehrVerwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen
Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen Katharina Witowski (DYNAmore GmbH) Peter Reithofer (4a engineering GmbH) Übersicht Problemstellung Parameteridentifikation
Mehrfalego das Fallmanagement für ISO 9001ff zertifizierte Startercenter NRW - Version 1.6.5.993 -
falego das Fallmanagement - Version 1.6.5.993 - Segeberger Chaussee 275 22851 Norderstedt www.charismateam.de info@charismateam.de Tel.: 040-30062785 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 Der ISO
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Materialbuchungen erfassen und importieren. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Materialbuchungen erfassen und importieren www.comarch-cloud.de Inhaltsverzeichnis 1 Ziel des s 3 2 Materialbuchungen erfassen 3 3 Materialbuchungen importieren
MehrSoftware-Qualität Ausgewählte Kapitel
Institut für Informatik! Martin Glinz Software-Qualität Ausgewählte Kapitel Kapitel 10 Qualitätsnormen" 2009-2011 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe für den persönlichen,
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
MehrXing- Gruppentreffen 07.09.2010. Einführung von SPC. Einführung von SPC
Xing- Gruppentreffen 07.09.2010 Einführung von SPC Einführung von SPC Hintergründe Einführung von SPC In einem der letzten Meetings wurde über die Bürde SPC gesprochen SPC wurde als Überwachung durch den
MehrMaschinendatenerfassung
Xaver Schweitzer 2AHWI 2012/13 Projekt Maschinendatenerfassung Abbildung 1 Maschinendatenerfassung 20. November 2012 1 von 10 Inhaltsverzeichnis ZIELBESTIMMUNG... 3 BESCHREIBUNG... 4 AUSGANGSSITUATION:...
MehrGütekriterien für evaluative Messinstrumente in der Rehabilitation
12. Rehabilitationswissenschaftliches Kolloquium Rehabilitation im Gesundheitssystem Bad Kreuznach, 10. bis 12. März 2003 Gütekriterien für evaluative Messinstrumente in der Rehabilitation Dipl.-Psych.
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrRequirements-Traceability in der industriellen Praxis Ziele und Einsatz
Requirements-Traceability in der industriellen Praxis Ziele und Einsatz Forschungsprojekt gefördert von der Deutschen Forschungsgemeinschaft Elke Bouillon elke.bouillon@tu-ilmenau.de 04.12.2012 Seite 1
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrSE Besprechung. Übung 6 Softwaretests
SE Besprechung Übung 6 Softwaretests SE, 21.12.10 Nicolas Hoby Tutoren für Informatik IIa Modellierung Voraussetzung Informatik IIa (oder vergleichbar) erfolgreich besucht Aufgaben Korrektur der Aufgaben
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrRequirements Engineering Übung 8 Systemmodellierung im RE
Requirements Engineering Übung 8 modellierung im RE Dr. Birgit Penzenstadler, Dr. Daniel Méndez, Jonas Eckhardt 11. Dezember 2012 Übung 8 Aufgabe 1: Modelle als Sichten auf ein Aufgabe 2: Von Anwendungsfällen
MehrSOL-IT wawicube. Berechnen. Lenken. Überblicken.
. Berechnen. Lenken. Überblicken. Mit dem wird Warenwirtschaft nicht zum undurchschaubaren Zahlenverwirrspiel. Ausgehend von Offerten über Aufträge bis hin zu Rechnungen behalten Sie den Überblick Alles
MehrAnaloge CMOS-Schaltungen
Analoge CMOS-Schaltungen PSPICE: Monte-Carlo-Analyse, Worst-Case-Analyse 14. Vorlesung Einführung 1. Vorlesung 8. Vorlesung: Inverter-Verstärker, einige Differenzverstärker, Miller-Verstärker 9. Vorlesung:
MehrVorlesung Automotive Software Engineering Prüfung Wintersemester 2014/15 TU Darmstadt, FB 18 und FB 20
Vorlesung Automotive Software Engineering Prüfung Wintersemester 2014/15 TU Darmstadt, FB 18 und FB 20 Prof. Dr. rer. nat. Bernhard Hohlfeld Bernhard.Hohlfeld@mailbox.tu-dresden.de Technische Universität
MehrSchätzen der Fehlerzahl. in Software-Dokumenten. Dr. Frank Padberg Universität Karlsruhe Mai 2003
Schätzen der Fehlerzahl in Software-Dokumenten Dr. Frank Padberg Universität Karlsruhe Mai 2003 Motivation beim Testen oder bei Inspektionen werden nicht alle Fehler gefunden Anzahl der unentdeckten Fehler
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrFachhochschule Düsseldorf Wintersemester 2008/09
Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
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
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrTaking RM Agile. Erfahrungen aus dem Übergang von traditioneller Entwicklung zu Scrum
Taking RM Agile CLICK TO EDIT MASTER OPTION 1 Erfahrungen aus dem Übergang von traditioneller Entwicklung zu Scrum Click to edit Master subtitle style Christian Christophoridis Requirements Management
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche
MehrQUALITY APP Messsystemanalyse komplett
QUALITY APP Messsystemanalyse komplett Hinweise zur Validierung der Programme MSA1, MSA2, MSA3, MSA4, MSA5, MSA6 Dr. Konrad Reuter TQU VERLAG Inhalt Validierung Messtechnischer Software mit Microsoft EXCEL...
MehrPrüfung Software Engineering I (IB)
Hochschule für angewandte Wissenschaften München Fakultät für Informatik und Mathematik Studiengruppe IB 4 A Sommersemester 2015 Prüfung Software Engineering I (IB) Datum : 09.07.2015, 14:30 Uhr Bearbeitungszeit
MehrZentralabitur an Gymnasien und Gesamtschulen
Zentralabitur an Gymnasien und Gesamtschulen Ergebnisse 2011 Ministerium für Referat 533 Zentralabitur an Gymnasien und Gesamtschulen - 1 - 1. Abiturdurchschnittsnote Im Schuljahr 2010/11 haben in Nordrhein-Westfalen
MehrMinisterium für Schule und Weiterbildung des Landes Nordrhein-Westfalen Zentralabitur am Weiterbildungskolleg Ergebnisse 2008
Zentralabitur am Weiterbildungskolleg Ergebnisse 2008 Zentralabitur am Weiterbildungskolleg Seite 1/6 1. Abiturdurchschnittsnote Zum ersten Mal haben im Schuljahr 2007/08 Jahr in Nordrhein-Westfalen auch
MehrAuktionen erstellen und verwalten mit dem GV Büro System und der Justiz Auktion
Auktionen erstellen und verwalten mit dem GV Büro System und der Justiz Auktion Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 www.workshop-software.de Verfasser: SK info@workshop-software.de
MehrElfenbeinturm 2.0 Wissenschaftskommunikation in Zeiten von Social Media recensio.net Rezensionsplattform für die europäische Geschichtswissenschaft
Elfenbeinturm 2.0 Wissenschaftskommunikation in Zeiten von Social Media recensio.net Rezensionsplattform für die europäische Geschichtswissenschaft emedientage, 15. November 2012 recensio.net Bietet Historikern
Mehr