Fortgeschrittene Statistik Logistische Regression
|
|
- Lennart Braun
- vor 8 Jahren
- Abrufe
Transkript
1 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 R E G R E S S I O N M I T D U M M Y - V A R I A B L E N Zentrale Methodenlehre, Europa Universität - Flensburg
2 Anwendung 2 In welchen Situationen ist die (Binär) logistische Regression anwendbar? Wenn man eine abhängige Variable vorhersagen möchte, die Werte zwischen 0 und 1 liegen oder die Variable dichotom ist, ist die logistische Regression geeignet. Eine dichotome Variable ist eine Variable mit zwei Ausprägungen: Krank oder gesund Bestanden oder durchgefallen Vertrauenswürdig oder unzuverlässig Raucher oder Nichtraucher Erfolg oder Misserfolg Angestellt oder Arbeitslos Ausgezeichnet oder nicht ausgezeichnet OLS Regression ist in diesen Fall nicht geeignet, weil die Interpretation der OLS- Koeffizienten die Dichotomie der abhängigen Variable nicht im Betracht zieht.
3 Beispiel: Ausgezeichnet 3 Nehmen wir an, man möchte einen Modell bauen, das vorhersagen muss, ob ein Student am Ende eines Semesters ausgezeichnet wird. Um das Modell zu bauen, hat man folgende Informationen: die Mathe-Note von früheren Studierenden (Mathe), Geschlecht (Frau) (1, wenn sie Frauen sind), und die Information, ob die Studierenden ausgezeichnet wurden (Ausgezeichnet) (0: der Studierende wurde nicht ausgezeichnet; 1: der Studierende wurde ausgezeichnet): Wenn man z.b. das OLS-Modell Ausgezeichnet = β 0 + β 1 Mathe berechnen würde, bekommt man das folgende Ergebnis: Die Interpretation der Koeffizient für Mathe sagt uns, dass jeder zusätzliche Punkt Mathe das Merkmal Ausgezeichnet um Einheiten erhöht. Diese Interpretation macht aber kein Sinn, weil Ausgezeichnet nur 0 oder 1 sein kann. Interessanter könnte es sein, wenn wir eine Einschätzung der Wahrscheinlichkeit, Ausgezeichnet zu werden, vorhersagen könnten, wenn man eine Mathenote hat. Das kann man mit einer Logistische Regression berechnen.
4 Grundbegriffe: Odds 4 Grundbegriffe (1): In der Stichprobe in unserem Beispiel gibt es 6 Studierende, die ausgezeichnet wurden. Folgende Begriffe bzw. Definitionen müssen verstanden werden: Die relative Häufigkeit, ausgezeichnet zu sein, lautet f Ausgezeichnet = 6 20 = 0.3 bzw. 30%. Wenn wir eine Population hätten, würden wir über die Wahrscheinlichkeit ausgezeichnet zu werden sprechen: P(Ausgezeichnet) = p. Die relative Häufigkeit, nicht ausgezeichnet zu werden, ist dann f Ausgezeichnet = 0.7 ; In Wahrscheinlichkeitstermen wäre das: P(Ausgezeichnet) = 0.7 = 1-p. Die Odds (Chancen) dafür, ausgezeichnet zu werden, sind wie folgt definiert: Odds dafür (Ausgezeichnet = 1) = p (1 p) = = ; Mögliche Interpretationen wären: von jede 10 Studierenden werden 3 ausgezeichnet oder die Chancen, ausgezeichnet zu werden, betragen ungefähr 0.43.
5 Grundbegriffe (2): Grundbegriffe: Odds-Ratio 5 In der Stichprobe in unserem Beispiel sieht die Kreuztabelle der Variablen Frau und Ausgezeichnet wie folgt aus: Folgende Informationen kann man aus der Kreuztabelle ableiten: Prozent der Männer, die ausgezeichnet werden, beträgt 2/10 Prozent der Frauen, die ausgezeichnet werden, beträgt 4/10 Die Odds (dafür), dass einen Mann ausgezeichnet wird, betragen 2/8 (Von 10 Männer werden 2 ausgezeichnet). Die Odds (dafür), dass eine Frau ausgezeichnet wird, betragen 4/6. Die Odds-Ratio (OR), dass eine Frau ausgezeichnet wird (im Vergleich mit Männern), ist OR = (4/6) / (2/8) = 8/3. Das bedeutet, dass die Chancen einer Frau ausgezeichnet zu werden 166% höher sind als die Chancen von einem Mann.
6 Logit-Transformation 6 Die Logit-Transformation wird definiert als der natürliche Logarithmus der Odds, einen Erfolg zu haben. Gegeben die Wahrscheinlichkeit eines Erfolgs p, ist die Logit-Transformation : Z = Logit p = LN Odds Erfolg = LN p 1 p Mit der Logit-Transformation kann man gültige Werte für p generieren, durch die sogenannte Logistische Funktion: p = e Z
7 Logistische Regression - Modell 7 Wenn man Werte einer dichotomen Variable Y mit Ausprägungen 0 (Misserfolg) und 1 (Erfolg), durch eine oder mehrere Prädiktoren (erklärende Variablen) x 1, x 2,, x n vorhersagen möchte, wird angenommen, dass es eine lineare Beziehung zwischen den Prädiktoren und dem Logarithmus der Odds (logit Transformation) gibt, dass Y den Wert 1 annimmt. Das heißt: Wobei p = P(Y=1). Z = logit(p) = LN p 1 p = β 0 + β 1 x β n x n + u Lass uns eine logistische Regression einsetzen, um vorherzusagen, ob ein Studierender ausgezeichnet wird, wenn man als Prädiktor die Mathe-Note der Studierenden benutzt. Das Modell lautet dann LN p 1 p = β 0 + β 1 Mathe + ε; wobei p = P(Ausgezeichnet = 1) Um das Modell zu berechnen, benutzen wir die Datei klein_beispiel.sav.
8 Logistische Regression mit SPSS (1) Um das Modell LN p 1 p folgen wir der folgenden Prozedur: Prozedur: 8 = β 0 + β 1 Mathe + u mit SPSS zu berechnen, Datei Klein_Beispiel.sav mit SPSS öffnen. Um eine logistische Regression durchzuführen: Analysieren Regression Binär Logistisch anklicken. Ausgezeichnet als abhängige Variable auswählen. Mathe als Kovariate auswählen. Wenn man eine besondere Methode möchte, dies in der Option Methoden auswählen. Wir lassen den Default Methode Einschluss. OK anklicken. SPSS-Output interpretieren.
9 Logistische Regression mit SPSS (2) Logistische Regressionsanalyse durchführen: 9 2 1
10 Logistische Regression mit SPSS (3) 10 Die Logistische Regressionsanalyse erzeugt folgenden Output im Ausgabe-Fenster: Ergebnis der logistischen Regression ohne Prädiktoren Ergebnis des Unabhängigkeitstests: Wenn der P-Wert < α, dann gibt es einen Zusammenhang zwischen die abhängige (Ausgezeichnet) und unabhängigen Variablen (Mathe). Diese Werte messen die Stärke der Beziehung zwischen Ausgezeichnet und Mathe. Diese Tabelle vergleicht observed (beobachtete) Ausgezeichnet-Werte mit der durch das Modell vorhergesagte Werte für jeden Fall im Datensatz. Hier kann man sehen, in wie viel % der Fälle richtig klassifiziert wurde. Diese Tabelle zeigt die berechnete Koeffizienten des Modells an. In diesem Fall: β 0 und β 1. 4 Ergebnis der logistischen Regression mit Mathe -Prädiktor
11 Logistische Regression mit SPSS (4) 11 Logistische Regressionsanalyse: Output Anfangsblock Modell ohne Prädiktoren: Das Modell zu berechnen lautet: LN p 1 p = β 0 + u Anzahl der Fälle, die richtig klassifiziert wurden. In diesen Beispiel wurden alle Ausgezeichnet -Studierende falsch klassifiziert. 70% der Fälle wurden richtig klassifiziert. Das Modell berechnet für jeden Fall die Wahrscheinlichkeit p=p(ausgezeichnet = 1) (*). Wenn p < 0.5, wird der Fall als nicht ausgezeichnet klassifiziert. β 0 Das berechnete Modell ist dann logit(p) = 0, 847. (*): Zum Beispiel: Für einen Studierenden mit Mathe=50, ist p = ist p immer 0.3 < 0.5, und deswegen sind alle Fälle als nicht ausgezeichnet klassifiziert. 1+e =0.3; die Mathe-Information wird hier nicht benutzt; also
12 Logistische Regression mit SPSS (5) 12 Logistische Regressionsanalyse: Output Anfangsblock Interpretation des Koeffizienten β 0 : β 0 P-Wert e β 0 Die Koeffizienten β i einer logistischen Regression werden nicht direkt interpretiert. Die Interpretation der Koeffizienten wird in Funktion von Odds oder Odds-Ratios vorgenommen. In diesem Fall, in einem Modell ohne Prädiktoren, wird durch die Interpretation von β 0 folgende Frage beantwortet: Was sind die Chancen (Odds), ausgezeichnet zu werden? LN p 1 p = β 0 p 1 p = eβ 0 Odds Ausgezeichnet = 1 = e β 0 = Das heißt, die Chancen ausgezeichnet zu werden, sind bzw. ca. 3/7 (von 10 Studenten werden 3 ausgezeichnet). Dieser Koeffizient ist auf dem 10%-Niveau signifikant (P-Wert=0,082).
13 Logistische Regression mit SPSS (6) 13 Logistische Regressionsanalyse: Output Block 1: Güte des Gesamtsmodells, Stärke des Zusammenhangs und Klassifikationstabelle: P-Wert Ergebnis des Tests der Güte des Gesamtsmodells. Die Null-Hypothese (H 0 ) ist in diesen Fall, dass das Modell logit p = β 0 + β 1 Mathe + u kein gültiges Modell ist, um Odds in der Grundgesamtheit dazu, ausgezeichnet zu werden, vorhersagen zu können. Die P-Werte sind alle kleiner als 0.05; das heißt, H 0 kann verworfen werden. Das Modell ist auf dem 5%- Signifikanz Niveau gültig. Die Cox & Snell R-Quadrat und Nagelkerkes R-Quadrat Werte messen die Stärke der Beziehung zwischen Ausgezeichnet und Mathe. Beide Werte sind zwischen 0 und 1, aber können nicht wie die R 2 der OLS Regressionsanalyse interpretiert werden. Es gilt aber: je größer, desto besser, sie nehmen den Wert 1 an, wenn das Modell perfekte Vorhersagen macht. In diesem Beispiel sind beide Werte mittelgroß (nicht so schlecht). Mit der Hinzunahme des Prädiktors Mathe, klassifiziert das Modell jetzt 75% der Fälle richtig (Im Anfangsblock klassifiziert das Modell [ohne Prädiktoren] nur 70% der Fälle richtig). Das Modell mit Mathe klassifiziert jetzt 2 (33.3%) der ausgezeichneten Fälle richtig, ebenso wie alle nicht ausgezeichnete Fälle.
14 Logistische Regression mit SPSS (7) 14 Logistische Regressionsanalyse: Output Block 1: Interpretation der Koeffizienten: Beide Koeffizienten sind signifikant, aber nicht auf dem 5%-Niveau (P-Wert Mathe = 0.08; P-Wert Konstante =0.07) e β 0=0 bedeutet, dass einen Studierender mit 0 Punkten in Mathe keine Chancen hat, ausgezeichnet zu werden. Um den Koeffizienten β 1 zu interpretieren, fragt man sich, wie die Chancen, ausgezeichnet zu werden, durch jeden zusätzlichen Punkt in der Mathenote beeinflusst wird; zum Beispiel von Mathe=52 zu Mathe=53 Dem Output zufolge haben wir: Für Mathe = 52 logit(p) Mathe=52 = *52 Für Mathe = 53 logit(p) Mathe=53 = *53 logit(p) Mathe=53 - logit(p) Mathe=52 = 0.21 LN( Odds(Ausgezeichnet = 1) Mathe=53 Odds(Ausgezeichnet = 1) Mathe=52 ) = 0.21 Odds-Ratio(Ausgezeichnet = 1) = e β 1=e 0.21 = Das heißt, jeder zusätzliche Punkt in Mathe die Chancen, ausgezeichnet zu werden, um 22.7% erhöht.
15 Logistische Regression mit SPSS (8) 15 Logistische Regressionsanalyse - Interpretation der e β i Termen für Prädiktor-Variablen: Die Terme e β i - (Odds-Ratios) können folgende Werte aufweisen: < 1 Es gibt einen negativen Zusammenhang zwischen der abhängigen und der unabhängigen Variablen; jede zusätzliche Einheit der unabhängigen Variable senkt die Chancen von Erfolg um 100*(1 - e β i)%; z.b. im Modell LN p 1 p = β 0 + β 1 Mathe + u; wenn e β 1 = 0.92 wäre, würde das bedeuten, dass jeder zusätzliche Punkt in Mathe die Chancen, ausgezeichnet zu werden, um 100*(1-0.92)% = 8% senkt. e β i = 1 Es gibt keinen Zusammenhang zwischen der abhängigen und der unabhängigen Variablen; jede zusätzliche Einheit der unabhängigen Variable beeinflusst die Chancen von Erfolg nicht. > 1 Es gibt einen positiven Zusammenhang zwischen der abhängigen und der unabhängigen Variablen; jede zusätzliche Einheit der unabhängigen Variable erhöht die Chancen von Erfolg im 100(e β i -1)%; Das ist der Fall bei logit(p) = *Mathe; wobei e 0.21 = 1.227
16 Logistische Regression mit Dummy-Variablen 16 Wie ändert sich das Ergebnis, wenn man das Geschlecht der Studierenden zum Modell addiert: LN p 1 p Frau eine Dummy-Variable ist ; In SPSS: Prozedur: = β 0 + β 1 Mathe + β 2 Frau + u ; wobei Datei Klein_Beispiel.sav mit SPSS öffnen. Um eine logistische Regression durchzuführen: Analysieren Regression Binär Logistisch anklicken. Ausgezeichnet als abhängige Variable auswählen. Mathe und Frau als Kovariaten auswählen. Wenn man eine besondere Methoden möchte, dies in der Option Methoden auswählen. Wir lassen die Default Methode Einschluss. OK anklicken. SPSS-Output interpretieren.
17 Logistische Regression mit Dummy-Variablen (2) 17 Die Logistische Regressionsanalyse erzeugt folgenden Output im Ausgabe-Fenster: Der Anfangsblock wird hier nicht angezeigt. Es gibt keinen Unterschied mit dem, was im Folie 10 gezeigt wurde: Das Ergebnis eines Modells ohne Prädiktoren Das Ergebnis des Omnibus-Tests (Güte des Gesamtsmodells) zeigt, dass das Modell mit Frau und Mathe gültig für die Population ist auf einem 6% Signifikanzniveau (P-Wert = 0.06). Im Vergleich mit dem Modell LN einen Pseudo-R 2 p 1 p = β 0 + β 1 Mathe + u, das von 0.33 hatte, hat das neue Modell LN β 0 + β 1 Mathe + β 2 Frau + u einen Pseudo-R 2 von 0.354, also eine Verbesserung. Die Klassifikationstabelle zeigt, dass das Modell mit der Dummy- Variablen Frau 80% der Fälle richtig klassifiziert. Das Modell ohne die Dummy-Variable hatte nur 75% der Fälle richtig klassifiziert. p 1 p = Im Bezug auf die Signifikanz der Koeffizienten, zeigt der Output, dass trotz Verbesserungen des Modells die Dummy-Variable Frau nicht signifikant ist (P-Wert > 0.1), während Mathe nur auf dem 10%-Nivaeu signifikant ist (P-Wert = 0.09), und die Konstante auf dem 7%-Niveau (P-Wert = 0.07). Die mangelnde Signifikanz könnte mit dem geringen Umfang der Stichprobe zusammenhängen: n = Die Referenzkategorie ist in diesem Fall männliche Studenten mit 0 Punkten im Mathe. Das heißt, e β 0= 0 bedeutet, dass männliche Studierende mit Note 0 in Mathe keine Chancen haben, ausgezeichnet zu werden.
18 Logistische Regression mit Dummy-Variablen (3) 18 Logistische Regressionsanalyse: Output Block 1: Interpretation der Koeffizienten: Ähnlich wie im ersten Modell können wir e β 1 interpretieren: ceteris paribus, die Odds (Chancen) ausgezeichnet zu werden erhöhen sich mit jeden zusätzlichen Punkt in Mathe um 22.7%. Auch wenn der Koeffizient für die Dummy-Variablen β 2 nicht signifikant ist, kann man e β 2 als einen Odds-Ratio interpretieren: Die Odds (Chancen), dass eine weibliche Studentin ausgezeichnet wird, im Vergleich mit einen männlichen Studenten: Für Frau = 0 logit(p) Mann = *Mathe Für Frau = 1 logit(p) Frau = *Mathe *1 logit(p) Frau - logit(p) Mann 0.75 LN( Odds(Ausgezeichnet = 1) Frau Odds(Ausgezeichnet = 1) Mann ) = Odds-Ratio(Ausgezeichnet = 1) = e β 2=e = Das heißt, ceteris paribus, dass die Chancen einer weiblichen Studentin, ausgezeichnet zu werden, ca. 113% höher sind als die von männlichen Studenten.
19 Übung 1 19 Übung 1: Mit der Datei ausgezeichnet.sav: 1. Wie hoch sind die Odds, ausgezeichnet zu werden, wenn man ein logistisches Modell ohne erklärende Variablen hat? Wie viel % der Fälle werden mit diesem Modell richtig vorhergesagt? 2. Berechnen Sie folgende Odds, ohne eine logistische Regression durchzuführen: 1. Odds, dass ein Mann ausgezeichnet wird. 2. Odds, dass eine Frau ausgezeichnet wird. 3. Odds-ratio, dass eine Frau ausgezeichnet wird, verglichen mit männlichen Studenten. 3. Führen Sie eine logistische Regression mit der Variablen Frau als erklärender Variable durch. Interpretieren Sie die Koeffizienten der logistischen Regression und vergleichen Sie sie mit den Ergebnissen zu Frage 2. Wie viel % der Fälle werden mit diesem Modell richtig vorhergesagt? 4. Führen Sie eine logistische Regression mit der Variablen Mathe als erklärende Variable durch. Interpretieren Sie die Koeffizienten der logistischen Regression. Wie viel % der Fälle werden mit diesem Modell richtig vorhergesagt? 5. Führen Sie eine logistische Regression mit allen Variablen durch und interpretieren Sie die Koeffizienten.
20 Übung 2 20 Übung 2: Mit der Datei Margarine_Problem.sav: Berücksichtigen wir folgende Variablen, um den Kauf eine bestimmter Margarinemarke vorherzusagen (Quelle: Backhaus, Multivariate Analysemethoden) käufer: Käufer von Margarine. Käufer = 0: Kunde hat die Margarine nicht gekauft. Käufer = 1: Kunde hat die Margarine gekauft. streichf: Margarinestreichfähigkeit und ihre Bedeutung als Grund für den Margarinekauf. Streichf = 1: Geringe Kaufbedeutung bis Streichf = 7: Hohe Kaufbedeutung haltbark: Margarineshaltbarkeit und ihre Bedeutung als Grund für den Margarinekauf. haltbark= 1: Geringe Kaufbedeutung bis haltbark = 7: Hohe Kaufbedeutung Führen Sie eine logistische Regression durch, um den Effekt der Variablen Streichf und haltbark auf die Kaufentscheidung bei der Margarine zu untersuchen.
Kommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
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
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
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
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
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.
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...
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrDie Post hat eine Umfrage gemacht
Die Post hat eine Umfrage gemacht Bei der Umfrage ging es um das Thema: Inklusion Die Post hat Menschen mit Behinderung und Menschen ohne Behinderung gefragt: Wie zufrieden sie in dieser Gesellschaft sind.
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,
MehrUNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG
UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG DATUM: 13. Juli 2009 FACH: TEILGEBIET: KLAUSURDAUER: Allgemeine Betriebswirtschaftslehre SL-Schein Marketing II 60 Minuten PRÜFER:
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
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
MehrOrdner Berechtigung vergeben Zugriffsrechte unter Windows einrichten
Ordner Berechtigung vergeben Zugriffsrechte unter Windows einrichten Was sind Berechtigungen? Unter Berechtigungen werden ganz allgemein die Zugriffsrechte auf Dateien und Verzeichnisse (Ordner) verstanden.
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
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
Mehr5 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
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
MehrNicht über uns ohne uns
Nicht über uns ohne uns Das bedeutet: Es soll nichts über Menschen mit Behinderung entschieden werden, wenn sie nicht mit dabei sind. Dieser Text ist in leicht verständlicher Sprache geschrieben. Die Parteien
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
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
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
Mehreasysolution GmbH easynet Bessere Kommunikation durch die Weiterleitung von easynet-nachrichten per E-Mail nach Hause
easynet Bessere Kommunikation durch die Weiterleitung von easynet-nachrichten per E-Mail nach Hause Allgemeines easynet ist die Informationszentrale im Unternehmen! Immer wichtiger wird es zukünftig sein,
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
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
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrKurzanleitung. MEYTON Aufbau einer Internetverbindung. 1 Von 11
Kurzanleitung MEYTON Aufbau einer Internetverbindung 1 Von 11 Inhaltsverzeichnis Installation eines Internetzugangs...3 Ist mein Router bereits im MEYTON Netzwerk?...3 Start des YAST Programms...4 Auswahl
MehrEINFACHES HAUSHALT- KASSABUCH
EINFACHES HAUSHALT- KASSABUCH Arbeiten mit Excel Wir erstellen ein einfaches Kassabuch zur Führung einer Haushalts- oder Portokasse Roland Liebing, im November 2012 Eine einfache Haushalt-Buchhaltung (Kassabuch)
MehrKoeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at
Koeffizienten der Logitanalyse Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at 1 Kurt Holm Koeffizienten der Logitanalyse Eine häufig gestellte Frage lautet:
Mehrε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?
BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions
MehrAZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"
AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrDie Beschreibung bezieht sich auf die Version Dreamweaver 4.0. In der Version MX ist die Sitedefinition leicht geändert worden.
In einer Website haben Seiten oft das gleiche Layout. Speziell beim Einsatz von Tabellen, in denen die Navigation auf der linken oder rechten Seite, oben oder unten eingesetzt wird. Diese Anteile der Website
MehrALEMÃO. Text 1. Lernen, lernen, lernen
ALEMÃO Text 1 Lernen, lernen, lernen Der Mai ist für viele deutsche Jugendliche keine schöne Zeit. Denn dann müssen sie in vielen Bundesländern die Abiturprüfungen schreiben. Das heiβt: lernen, lernen,
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrOutlook-Daten komplett sichern
Outlook-Daten komplett sichern Komplettsicherung beinhaltet alle Daten wie auch Kontakte und Kalender eines Benutzers. Zu diesem Zweck öffnen wir OUTLOOK und wählen Datei -> Optionen und weiter geht es
MehrStudieren- Erklärungen und Tipps
Studieren- Erklärungen und Tipps Es gibt Berufe, die man nicht lernen kann, sondern für die man ein Studium machen muss. Das ist zum Beispiel so wenn man Arzt oder Lehrer werden möchte. Hat ihr Kind das
MehrWas ich als Bürgermeister für Lübbecke tun möchte
Wahlprogramm in leichter Sprache Was ich als Bürgermeister für Lübbecke tun möchte Hallo, ich bin Dirk Raddy! Ich bin 47 Jahre alt. Ich wohne in Hüllhorst. Ich mache gerne Sport. Ich fahre gerne Ski. Ich
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrInternet Explorer Version 6
Internet Explorer Version 6 Java Runtime Ist Java Runtime nicht installiert, öffnet sich ein PopUp-Fenster, welches auf das benötigte Plugin aufmerksam macht. Nach Klicken auf die OK-Taste im PopUp-Fenster
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrHIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN
HIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN Zinsen haben im täglichen Geschäftsleben große Bedeutung und somit auch die eigentliche Zinsrechnung, z.b: - Wenn Sie Ihre Rechnungen zu spät
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
Mehr40-Tage-Wunder- Kurs. Umarme, was Du nicht ändern kannst.
40-Tage-Wunder- Kurs Umarme, was Du nicht ändern kannst. Das sagt Wikipedia: Als Wunder (griechisch thauma) gilt umgangssprachlich ein Ereignis, dessen Zustandekommen man sich nicht erklären kann, so dass
MehrAuswertung des Fragebogens zum CO2-Fußabdruck
Auswertung des Fragebogens zum CO2-Fußabdruck Um Ähnlichkeiten und Unterschiede im CO2-Verbrauch zwischen unseren Ländern zu untersuchen, haben wir eine Online-Umfrage zum CO2- Fußabdruck durchgeführt.
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrZahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll
MehrNetzwerkeinstellungen unter Mac OS X
Netzwerkeinstellungen unter Mac OS X Dieses Dokument bezieht sich auf das D-Link Dokument Apple Kompatibilität und Problemlösungen und erklärt, wie Sie schnell und einfach ein Netzwerkprofil unter Mac
MehrWas ist clevere Altersvorsorge?
Was ist clevere Altersvorsorge? Um eine gute Altersvorsorge zu erreichen, ist es clever einen unabhängigen Berater auszuwählen Angestellte bzw. Berater von Banken, Versicherungen, Fondsgesellschaften und
MehrDie Invaliden-Versicherung ändert sich
Die Invaliden-Versicherung ändert sich 1 Erklärung Die Invaliden-Versicherung ist für invalide Personen. Invalid bedeutet: Eine Person kann einige Sachen nicht machen. Wegen einer Krankheit. Wegen einem
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrAdventskalender Gewinnspiel
Adventskalender Gewinnspiel Content Optimizer GmbH www.campaign2.de 1 Wichtig zu wissen Die Törchen entsprechen nicht den Gewinnen! Die Anzahl der Gewinne ist von den 24 Törchen komplett unabhängig. Die
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrBedienungsanleitung Anlassteilnehmer (Vereinslisten)
Bedienungsanleitung Anlassteilnehmer Dieses Programm ist speziell für Vereine entworfen. Es ist lizenzfrei verwendbar und gratis. Das Programm ist mit Excel 2010 erstellt worden und enthält VBA Programmierungen,
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrEntladen und Aufladen eines Kondensators über einen ohmschen Widerstand
Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
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
MehrEine der Aktien hat immer einen höheren Gewinn als die andere Aktie. Ihre Aufgabe ist es diese auszuwählen.
Instruktionen am Anfang von Experiment 1 (auf Papier ausgeteilt: grünmarkierte Textstellen zeigen den Instruktionstext in der jeweiligen Bedingung an; Kommentare sind gelb markiert.) Stellen Sie sich vor,
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrAb 2012 wird das Rentenalter schrittweise von 65 auf 67 Jahre steigen. Die Deutsche Rentenversicherung erklärt, was Ruheständler erwartet.
Rente mit 67 was sich ändert Fragen und Antworten Ab 2012 wird das Rentenalter schrittweise von 65 auf 67 Jahre steigen. Die Deutsche Rentenversicherung erklärt, was Ruheständler erwartet. Wann kann ich
MehrPC-Umzug: So ziehen Sie Ihre Daten von Windows XP nach Windows 8 um
PC-Umzug: So ziehen Sie Ihre Daten von Windows XP nach Windows 8 um Wenn ein neuer Rechner angeschafft wird, dann will man seine Daten weiterhin nutzen können. Wir zeigen Schritt für Schritt wie's geht.
MehrSollsaldo und Habensaldo
ollsaldo und abensaldo Man hört oft die Aussage "Ein ollsaldo steht im aben, und ein abensaldo steht im oll". Da fragt man sich aber, warum der ollsaldo dann ollsaldo heißt und nicht abensaldo, und warum
MehrProfessionelle Seminare im Bereich MS-Office
Gegenüber PowerPoint 2003 hat sich in PowerPoint 2007 gerade im Bereich der Master einiges geändert. Auf Handzettelmaster und Notizenmaster gehe ich in diesen Ausführungen nicht ein, die sind recht einfach
MehrDer Kalender im ipad
Der Kalender im ipad Wir haben im ipad, dem ipod Touch und dem iphone, sowie auf dem PC in der Cloud einen Kalender. Die App ist voreingestellt, man braucht sie nicht laden. So macht es das ipad leicht,
MehrAufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)
Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer
Mehr1. LINEARE FUNKTIONEN IN DER WIRTSCHAFT (KOSTEN, ERLÖS, GEWINN)
1. LINEARE FUNKTIONEN IN DER WIRTSCHAFT (KOSTEN, ERLÖS, GEWINN) D A S S O L L T E N N A C H E U R E M R E F E R A T A L L E K Ö N N E N : Kostenfunktion, Erlösfunktion und Gewinnfunktion aufstellen, graphisch
MehrÜbungen zur Vorlesung Induktive Statistik Bedingte Wahrscheinlichkeiten
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@dvz.fh-koeln.de Aufgabe 3.1 Übungen zur Vorlesung Induktive Statistik Bedingte Wahrscheinlichkeiten
MehrAnimationen erstellen
Animationen erstellen Unter Animation wird hier das Erscheinen oder Bewegen von Objekten Texten und Bildern verstanden Dazu wird zunächst eine neue Folie erstellt : Einfügen/ Neue Folie... Das Layout Aufzählung
Mehrder Eingabe! Haben Sie das Ergebnis? Auf diesen schwarzen Punkt kommen wir noch zu sprechen.
Medizintechnik MATHCAD Kapitel. Einfache Rechnungen mit MATHCAD ohne Variablendefinition In diesem kleinen Kapitel wollen wir die ersten Schritte mit MATHCAD tun und folgende Aufgaben lösen: 8 a: 5 =?
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrA1.7: Entropie natürlicher Texte
A1.7: Entropie natürlicher Texte Anfang der 1950er Jahre hat Claude E. Shannon die Entropie H der englischen Sprache mit einem bit pro Zeichen abgeschätzt. Kurz darauf kam Karl Küpfmüller bei einer empirischen
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
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
MehrDeltaVision Computer Software Programmierung Internet Beratung Schulung
Zertifikate von DeltaVision für Office Projekte 1 Einleitung: Digitale Zertifikate für VBA-Projekte DeltaVision signiert ab 2009 alle seine VBA Projekte. So ist für den Anwender immer klar, dass der Code
Mehr