Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Gottschalk Eberwein Geändert vor über 10 Jahren
1
Rechenregeln für Mittelwert, Varianz und Streuung
3
Berechnung von Streuungsparametern an einem einfachen Beispiel
4
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des Geldvermögens unter den einzelnen Bevölkerungsgruppen Verteilung von Marktanteilen Aufteilung der landwirtschaftlichen Nutzflächen in einer Region
5
Ein Markt wird von 5 Unternehmen beliefert. Die folgende Tabelle beschreibt die Aufteilung der Marktanteile:
6
Daraus ergeben sich die folgenden Werte für die Punkte auf der Lorenz-Kurve:
7
Dazu die Lorenz-Kurve:
8
Berechnung des Gini-Koeffizienten
9
Aufgabe 5
10
Die Punkte auf der Lorenz-Kurve sind (0,2;0,04), (0,4;0,10), (0,6;0,20),(0,8;0,40) (0,2;0,05), (0,4;0,10), (0,6;0,20),(0,8;0,40) (0,2;0,04), (0,4;0,10), (0,6;0,20),(0,8;0,45) (0,2;0,04), (0,4;0,15), (0,6;0,20),(0,8;0,40)
11
Der Gini-Koeffizient in (a) beträgt G = 0,496 G = 0,604 G = 0,304 G = 0,504
12
Aufgabe 6
13
Die Punkte auf der Lorenz-Kurve (gerundet) sind (0,1667;0,3278), (0,3333;0,0741), (0,5;0,1667); (0,6667;0,3982), (0,9333;0,6297) (0,1667;0,0278), (0,3333;0,0741), (0,5;0,2667); (0,6667;0,4982), (0,8533;0,6297) (0,1667;0,0278), (0,3333;0,0741), (0,5;0,1667); (0,6667;0,3982), (0,8333;0,6297) (0,1667;0,0278), (0,5333;0,0741), (0,5;0,3667); (0,6667;0,3982), (0,8333;0,7297)
14
Der Gini-Koeffizient beträgt rund G = 0,600 G = 0,841 G = 0,401 G = 0,499
15
Landwirtschaftlich genutzte Fläche einer Region
16
Dazu die Lorenz-Kurve:
17
Datenmatrix
18
Datentabelle für 2 Merkmale
19
Kontingenztafel der absoluten Häufigkeiten
20
Kontingenztafel der relativen Häufigkeiten
21
X: Art des Betriebes 1 = Handelsbetriebe 2 = Freie Berufe (Leistungsbetriebe) 3 = Fertigungsbetriebe Y: Art der hinterzogenen Steuer 1 = Lohnsteuer 2 = Einkommenssteuer 3 = Umsatzsteuer 4 = Sonstiges Betriebe und hinterzogene Steuer Kontingenztabelle
22
Kovarianz Merkmal Datensatz Merkmal Datensatz
23
Korrelationskoeffizient nach Bravais-Pearson Kovarianz (X,Y) (Streuung X) (Streuung Y)
24
Korrelationskoeffizient nach Bravais-Pearson Eigenschaften X und Y unabhängig
25
X größerY größer X größerY kleiner
26
Positiver strikter Zusammenhang Negativer strikter Zusammenhang
27
Korrelationskoeffizient bei verschiedenen Konstellationen von Ausprägungen
28
Korrelationskoeffizient: 0.905 Korrelationskoeffizient: 1.00
29
Korrelationskoeffizient: 0.19 Korrelationskoeffizient: 0.52
30
Korrelationskoeffizient: -0.14 Korrelationskoeffizient: 0.00
31
Korrelationskoeffizient: -1.00 Korrelationskoeffizient: -0.62
32
Aufgabe 7
33
Es ergibt sich ein Korrelationskoeffizient von rund r = 0,978 r = 0,987 r = 0,879 r = 0,798
34
Aufgabe 8
35
Es ergibt sich ein Korrelationskoeffizient von ? ? ? ?
36
Mögliche Funktionenklassen für die Regressionsrechnung
37
Lineare Funktionen Polynome Exponentialfunktionen ( Exponentielles Wachstum; x ist die Zeit ) Gompertz-Kurven Logistische Funktionen
38
Prinzip der kleinsten Quadrate (Kleinst-Quadrat-Schätzung) Man sucht in der betrachteten Klasse diejenige Funktion f, so dass die Summe der Abweichungsquadrate minimiert wird: Bestimme f, so dass minimal !!
39
Aufgaben der Regressionsrechnung Stellt man sich für den Moment x als die Zeit vor, so möchte man die beobachteten Werte auf die Zukunft extrapolieren. Man erstellt eine Prognose. Dazu bedient man sich der gefundenen Funktion f, um für eine Zeit x der Zukunft den Wert y = f(x) zu schätzen. 1. Extrapolation
40
2. Interpolation Man interessiert sich für den Wert von y = f(x) Für Zwischenwerte von x, d. h. für Werte x, die zwischen 2 beobachteten Werten liegen: Wieder bedient man sich der Funktion f, um eine Interpolation der Werte durchzuführen.
41
Lineare Regression Finde reelle Zahlen a und b, so dass der Wert von minimal wird! Mit anderen Worten: Finde den Punkt (a,b), an dem die Funktion ihr Minimum annimmt!
42
Steigung der Regressionsgeraden Schnitt der Regressionsgeraden mit der y-Achse bei
43
Bestimmtheitsmaß Maß für die Güte der Anpassung der Daten an die Regressionsfunktion Dabei ist
44
Im Falle linearer Regression ist das Bestimmtheitsmaß gleich dem Quadrat des Korrelationskoeffizienten nach Bravais-Pearson!
45
In einem Kaufhauskonzern mit 10 Filialen soll die Wirkung von Werbeausgaben auf die Umsatzsteigerung untersucht werden. Die Daten sind: X: Werbeausgaben in 1000 Euro Y: Umsatzsteigerung in 10 000 Euro
46
Demonstrationsbeispiel Lineare Regression Mittelwerte Varianzen Kovarianz
47
Steigung der Regressionsgeraden Schnitt der Regressionsgeraden mit der y-Achse bei
48
Aufgabe 9
49
Die Regressinsgerade wird durch die folgende Geradengleichung wiedergegeben y = 3,45 x + 4,7 y = 2,3 x + 2,6 y = 0,651 x + 62,66 y = 2,422 x + 7,67
50
Das Bestimmtheitsmaß der linearen Regression ergibt sich zu ca. 0,48 1,67 0,89 0,21
51
Aufgabe 10
52
Die Regressinsgerade wird durch die folgende Geradengleichung wiedergegeben ? ? ? ?
53
Das Bestimmtheitsmaß der linearen Regression ergibt sich zu ? ? ? ?
54
Statistische Maßzahlen Bisher : Lagemaße Mittelwert Median Quantile (Quartile) Streuungsmaße Varianz Standardabweichung Kovarianz Korrelation KonzentrationsmaßeGini-Koeffizient
55
Verhältniszahlen Beziehungs- zahlen Gliederungs- zahlen Index- zahlen
56
Warenkorb N Güter (Mengen und Preise) in der Basisperiode 0 Berichtsperiode t
57
Preise in der Basisperiode 0 Preise in der Berichtsperiode t Mengen in der Basisperiode 0 Mengen in der Berichtsperiode t
58
Preisindex nach Laspeyres Preisindex nach Paasche Laspeyres: Bezug auf den alten Warenkorb Paasche: Bezug auf den neuen Warenkorb
59
Formeln für die Preisindizes nach Laspeyres und nach Paasche
60
Aggregatform
61
Wegen der besseren Übersichtlichkeitdefinieren wir uns einen sehr kleinen Warenkorb bestehend aus: In den Jahren 1950 bis 1953 werden für den Jahres- verbrauch pro Einwohner und für die Preise die folgenden Daten zu Grunde gelegt: Zigaretten Bier Kaffee
62
Index 0 Index 1 Index 2 Index 3 1950 1951 1952 1953
63
Aufgabe 11
64
Die Preisindizes nach Laspeyres und Paasche ergeben sich zu ca. 1,16 und 1,20 0,98 und 1,20 1,37 und 1,20 1,22 und 1,20
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.