Formelsammlung Z-Folien

Fachbereich Wirtschaftswissenschaften
Prof. Dr. Matthias Freund
Mathematische Grundlagen der Wirtschaftsinformatik

Modulteil a: Mathematische Grundlagen
alle inhaltlichen Folien mit Z

(„Formelsammlung“)
Mathematische Grundlagen der

1
Wirtschaftsinformatik
Organisation III
• Erlaubte Hilfsmittel in der Klausur:
– Ein einfacher, wissenschaftlicher, nicht programmierbarer,
Taschenrechner (ohne weitergehende Berechnung von
Funktionseigenschaften, z.B. Nullstellen, Ableitungen,
Flächenberechnung usw. und ohne „naturale“ Funktionseingabe)
– Ihr selbsterstellter (handschriftlicher!) „Spickzettel“ (ein Blatt DIN A4
mit Formeln)
– Alle (von mir!) mit Z gekennzeichneten Folien
• „Spickzettel“:
Sie können den Spickzettel mit der Klausur abgeben und erhalten in
diesem Fall dafür Punkte angerechnet:
– 1 Pkt. bei fast vollständigen Spickzetteln
– 2 Pkt. bei vollständigen und eher strukturierten Spickzetteln
– 3 Punkt bei vollständigen und sehr gut strukturierten Spickzettel
L Z Mathematische Grundlagen der

2
Organisation VI
• Ergänzende Literatur (Modulteil a):
– Kirsch, S. / Führer, C.: Wirtschaftsmathematik, 4. Aufl., 2014
– Luderer, B. / Würker, U.: Einstieg in die Wirtschaftsmathematik, 8. Aufl.,
2011
– Heinrich, G.: Basiswissen Mathematik, Statistik und Operations Research
für Wirtschaftswissenschaftler, 5. Aufl., 2013 (für beide Teile)
• Ergänzende Literatur (Modulteil b):
– Grundlegend: Brell, C / Brell, J. / Kirsch, S.: Statistik von Null auf Hundert.
Mit Kochrezepten schnell zum Statistik-Grundwissen, 1. Aufl., 2014
– Fortgeschritten: Schira, J.: Statistische Methoden der VWL und BWL.
Theorie und Praxis, 4. Aufl. 2012
• Für spezielle Quellen bei einzelnen Fragestellungen sprechen Sie mich

einfach an.

3
Inhalt – thematische Gliederung

• Organisation, Inhalt und Lernziele
• Self Assessment I
• Grundlagen:
Die Formalsprache der Mathematik / Einfache (aber wichtige) Rechenregeln / Grundlagen der
Aussagenlogik / Grundlagen der Mengenlehre
• Folgen und Reihen
Folgen und Reihen / Finanzmathematik als Anwendung von Folgen und Reihen
• Self Assessment II
• Gleichungen, Funktionen, Differenzial- und Integralrechnung
Umgang mit Gleichungen und Ungleichungen / Funktionen und Ihre Darstellung / Differenzialrechnung /
Integralrechnung / Operationen mit ökonomischen Funktionen
• Self Assessment III
• Matrizen, Vektoren und lineare Gleichungssysteme
Matrizen und Vektoren / Grundlagen linearer Gleichungssysteme
• Kombinatorik & Wahrscheinlichkeitsrechnung:
Fakultäten und Binomialkoeffizienten / Fundamentalprinzip der Kombinatorik / Permutationen und
Kombinationen / Ereignisse, Ereignisraum und Ereignismenge / Das Rechnen mit Ereignissen / Klassische,
statistische und subjektive Wahrscheinlichkeiten / Wichtige Rechenregeln der
Wahrscheinlichkeitsrechnung / Bedingte und totale Wahrscheinlichkeiten und das Bayes-Theorem /
Probleme mit dem intuitiven Verständnis der Wahrscheinlichkeitsrechnung
• Self Assessment IV

4
Inhalt II – thematische Gliederung Modulteil b

• Grundbegriffe der Statistik und Datenanalyse
Was ist Statistik? / Statistische Einheiten (Merkmalsträger) und Grundgesamtheit / Merkmale,
Merkmalsausprägungen und statistische Variablen / Teilgesamtheiten und Stichproben(arten) /
Merkmalstypen, Skalen und Skalenniveaus / Arten der Datenerhebung, insb. Befragungen /
Konstrukte, Variablen, Daten und Datenmatrix / Längsschnitt-, Querschnitt- und Paneldaten
• Self Assessment V
• Deskriptive Statistik
Absolute, relative, kumulierte und klassierte Häufigkeiten / Balken-, Säulen- und
Tortendiagramme, Histogramme / Lagemaße (Modus, Median, Quartile und Quantile,
Mittelwerte) / Streuungsmaße (Spannweite, Quartilsabstände, Varianz und Standardabweichung,
Variationskoeffizient, Übersicht über Lage- und Streuungsmaße) / Boxplots / absolute und relative
Konzentration / Konzentration der ersten k Merkmalsträger / Herfindahl-Index / Lorenzkurven und
Gini-Koeffizient / Mehrdimensionale Häufigkeiten / Kreuztabellen, Scatterplots /
Randverteilungen / Kovarianz, Korrelation (Pearson und Rang) / Kurze Regressionseinführung und
Bestimmtheitsmaß R² / χ² / Phi-Koeffizient (nicht-metrische Daten)
• Self Assessment VI
• Verteilungs- und Dichtefunktionen
Systematik der Verteilungen / Gleich- oder Rechteckverteilung / (Bernoulli-Verteilung) /
Binomialverteilung/ (Hypergeometrische Verteilung) / Poisson-Verteilung/ (Exponentialverteilung)
/Standardnormalverteilung und Arbeiten mit Tabellen / Normalverteilung und Standardisieren /
Überprüfung der Normalverteilungsannahme / χ²-Verteilung / Student-t-Verteilung (für
Mittelwertunterschiedsschätzungen)

5
Unterschiedliche Inhalte je Modul

L• Lernziele, Organisation und Inhalt
V• Klassische Vorlesung: Theorie, Theoreme und Hintergrund
Z• Nützlich zum Nachschlagen und Erinnern:

Zusammenfassungen, Formelsammlungen und Übersichten
P• Hinweise auf die Verwendung: Praxisbeispiele und

Anwendungsgebiete
Ü• Übungselemente und Experimente: Aufgaben zur

Auflockerung der Vorlesung
E• Exkurse zum Verständnis des Hintergrundes
• Vorführungen mit Statistik-Software und großen

S Datensätzen

6
Die Formalsprache der Mathematik – Relationen I
• Für die Aussage „a gehört zur Menge der natürlich Zahlen“ wird
verkürzt geschrieben: a Є IN. Genau wie das Symbol Є gibt es eine
Reihe von Kurzschreibweisen, die wir Stück für Stück einführen.
Hier die ersten Kurzschreibweisen:
Kürzel Bedeutung Kürzel Bedeutung
Ist (kein) Element der Menge ist echte Teilmenge von
∈ bzw. ∉ gehört (nicht) zu
⊂ bzw. ⊃
⊆ bzw. ⊇ ist unechte Teilmenge von
für alle
∀ für beliebige ⊄ Ist keine echte Teilmenge von
es existiert ⊄ Ist keine unechte Teilmenge von
∃ es gibt ein
Menge für die gilt
aus…folgt {... | ...}
⇒ (die Umkehrung gilt nicht [eindeutig])
für die/das gilt
genau dann, wenn :
⇔ (und nur dann!)
(innerhalb eines Terms)
V Z Mathematische Grundlagen der

7
Die Formalsprache der Mathematik – Operatoren I
• Viele mathematische Operatoren sind Ihnen aus der

Schulmathematik bekannt. Sie werden hier deshalb nur
wiedergegeben.

+
plus als Additionszeichen
positiv als Vorzeichen ∑ Summenzeichen bzw.
Summenoperator
-
minus als Subtraktionszeichen
Negativ als Vorzeichen ∏ Produktzeichen bzw.
Produktoperator
mal als Multiplikationszeichen
⋅ bzw. × (Konvention: wenn Verwechslung ausge- Um größere Summen oder Produkt
schlossen sind, wird es weggelassen)
übersichtlich darzustellen, werden die beiden
dividiert durch als Divisionszeichen
: bzw. oben dargestellten Zeichen genutzt. Dabei wird
ein Index (oder mehrere Indices) genutzt,
der (oder die) bestimmt, welche Elemente
addiert bzw. multipliziert werden sollen.

8
Die Formalsprache der Mathematik – Operatoren II
• Viele mathematische Operatoren sind Ihnen aus der

Schulmathematik bekannt. Sie werden hier deshalb nur
wiedergegeben.

a hoch m / m-te Potenz von a Dekadischer Logarithmus
am (a wird als Basis und m als Exponent
lg (zur Basis 10)
bezeichnet)
Klammern zur Festlegung der
m-te Wurzel aus a (); []; {}
m
a Operationsreihenfolge
(a wird als Radikant und m als
Wurzelexponent bezeichnet) (Absolut)Betrag von x
|x|
Quadratwurzel aus a
a (Wurzelexponent ist 2)
Logarithmus zur Basis a

loga
Natürlicher Logarithmus
ln (zur Basis e)

9
Die Formalsprache der Mathematik – Relationen II
• Schließlich gibt es eine Reihe von Relationen (Beziehungszeichen),

mit denen mathematische Elemente verbunden werden.
Kürzel Bedeutung
ist gleich
=
ist etwa / annährend gleich
≈
ist ungleich
≠
:= bzw. =: ist definitorisch gleich

(wird als gleich erklärt)
> bzw. <

ist größer bzw. kleiner (gleich)
≥ bzw. ≤

10
Elementare Rechenregeln – Addition und Subtraktion

Regel Beispiel
a+b=b+a 5+2=2+5=7
Kommutativgesetz der Addition
(a + b) + c = a + (b + c) (5 + 2) + 7 = 5 + (2 + 7) = 14
Assoziativgesetz der Addition
a + (-b) = a - b 5 + (-2) = 5 - 2 = 3
a+0=0+a=a 5+0=0+5=5
a1 = 2; a2 = 5; a3 = 7; b1 = 1; b2 = 4; b3 = 6;
3 3 3
n n n
∑ (a + b ) = ∑ a + ∑ b =25
∑ (ai + bi ) = ∑ ai + ∑ bi
i =1 i =1 i =1
i =1
i i
i =1
i
i =1
( 2 + 1) + (5 + 4) + (7 + 6) =
i
( 2 + 5 + 7) + (1 + 4 + 6) = 25

11
Elementare Rechenregeln – Produkte

Regel Beispiel
a·b=b·a 5 · 2 = 2 · 5 = 10
Kommutativgesetz der Multiplikation
(a · b) · c = a · (b · c) (5 · 2) · 7 = 5 · (2 · 7) = 70
Assoziativgesetz der Multiplikation
- (-a) = a - (-5) = 5
a · (-b) = -a · b 5 · (-2) = -2 · 5 = -10
(-a) · (-b) = a · b (-5) · (-2) = 5 · 2 = 10
„minus mal minus gibt plus“
(a + b) · c = a · c + b · c (5 + 2) · 7 = 5 · 7 + 2 · 7 = 49
Distributivgesetz
n n
a1 = 2; a2 = 5; a3 = 7; c = 5
∑c ⋅ a
i =1
i = c ⋅ ∑ ai
i =1
3
∑c ⋅ a i
3
= c ⋅ ∑ ai
i =1 i =1
(5 ⋅ 2) + (5 ⋅ 5) + (5 ⋅ 7) = 5 ⋅ ( 2 + 5 + 7) = 70

12
Elementare Rechenregeln – Quotienten I

Regel Beispiel
a 1 5 1
= a⋅ = 5 ⋅ = 5 ⋅ 0.5 = 2.5
b b 2 2
a⋅c a 5 ⋅ 7 35 5
= = =
b⋅c b 2 ⋅ 7 14 2
Erweitern und kürzen von Brüchen
a c a ⋅d + c⋅b 5 7 5 ⋅ 3 + 7 ⋅ 2 29
+ = + = =
b d b⋅d 2 3 2⋅3 6
a c a ⋅d − c⋅b 5 7 5⋅3 − 7 ⋅ 2 1
− = − = =
b d b⋅d 2 3 2⋅3 6

13

Regel Beispiel
a c a⋅c 5 7 5 ⋅ 7 35
⋅ = ⋅ = =
b d b⋅d 2 3 2⋅3 6
a 5
a c b a d a⋅d 5 7 2 5 3 5 ⋅ 3 15
: = = ⋅ = : = = ⋅ = =
b d c b c b⋅c 2 3 7 2 7 2 ⋅ 7 14
d 3

14

Regel Beispiel
a c a⋅c 5 7 5 ⋅ 7 35
⋅ = ⋅ = =
b d b⋅d 2 3 2⋅3 6
a 5
a c b a d a⋅d 5 7 2 5 3 5 ⋅ 3 15
: = = ⋅ = : = = ⋅ = =
b d c b c b⋅c 2 3 7 2 7 2 ⋅ 7 14
d 3

15
Elementare Rechenregeln – Potenzrechnung III

Regel Beispiel
a1 = a ---
a m ⋅ a n = a m+n 25 ⋅ 23 = 25+3 = 28 = 256

am m −n 55 5−3
= a = 5 = 5=2
25
an 53
( a ⋅ b) n = a n ⋅ b n ( 2 ⋅ 5)3 = 23 ⋅ 53 = 8 ⋅ 125 = 1000
a n an 5 3 53 125
( ) = n ,b ≠ 0 ( ) = 3= = 15,625
b b 2 2 8
( a m ) n = a n⋅m ( 22 )3 = 22⋅3 = 26 = 64
Achtung für die Addition und Subtraktion gibt es keine vergleichbaren Regeln,
m+n
d.h. insbesondere a + a ≠ a
m n

16
Elementare Rechenregeln – Logarithmusrechnung II

Regel Beispiel
log a (a b ) = b ⋅ log a (a ) = b ---
a log a (b ) = b
log2 (16 ⋅ 8) = log2 (16) + log2 (8) = 4 + 3 = 7
loga (b ⋅ c ) = loga (b) + loga (c )
log2 (16 ⋅ 8) = log2 (128) = 7
b 16
) = log2 (16) − log2 (8) = 4 − 3 = 2
loga ( ) = loga (b) − loga (c ) log2 (
8
c 16
log2 ( ) = log2 ( 2) = 1
8
loga (b ) = d ⋅ loga (b)

d log2 (168 ) = 8 ⋅ log2 (16) = 8 ⋅ 4 = 32
log2 ( 4294967296) = 32

17
Aussagenlogik – Wahrheitswerttafeln
• Häufig werden aussagelogische Sachverhalte in sogenannten

Wahrheitswerttafeln gegenübergestellt. Dabei werden die
verschiedenen Kombinationen von wahr und falsch bei
unterschiedlichen Operationen verdeutlicht. Hier die
Wahrheitswerttafel allen obigen Aussageverknüpfungen.
A B ¬A A∧ B A∨ B A ∨ B A⇒ B A⇔ B
w w f w w f w w
w f f f w w f f
f w w f w w w f
f f w f f f w w

18
Zins- und Zinseszinsrechnung IV
• Für alle geometrischen Folgen gilt:

an = a1 ⋅ q n −1 bzw. an = a0 ⋅ q n
• Das Endkapital berechnet sich also zu:

K n = K1 ⋅ (1 + i ) n −1 bzw. K n = K 0 ⋅ (1 + i ) n
• Umformen ergibt für das Anfangskapital:
Kn
K0 =
(1 + i ) n
Kn
• bzw. für den Zinssatz: i = n −1
K0

19
Barwert- bzw. Kapitalwertberechnung IV
• Verdichtung einer gegebenen Zahlungsreihe aus Einzahlungen und

Auszahlungen.
• „klassische“ Interpretation: Gegengeschäfte, die alle
zahlungswirksamen Konsequenzen auf t = 0 verdichten. Zunächst
rein endfällige Darlehen ohne Zinszahlungen während der Laufzeit.
• Bezeichne A die Anfangsinvestitionen / Auszahlung, E die
Einzahlungen, i den Kalkulationszinssatz, t den Zeitindex und T den
Betrachtungszeitraum, so ergibt sich der Kapitalwert KW (für
Normalinvestitionen) allgemein als:
T
KW( t =0 ) = − At =0 + ∑ Et ⋅ (1 + i ) −t
t =1

20
Barwert- bzw. Kapitalwertberechnung VI
• Wird die Annahme der Normalinvestition aufgegeben (werden also

Ein- und Auszahlungen zu jedem beliebigen Zeitpunkt zugelassen so
ergibt sich:
T
KW( t =0 ) = ∑ ( Et − At ) ⋅ (1 + i ) −t
t =0
• Wird nun die Differenz Et – At als Periodenüberschuss Pt bezeichnet

so ergibt sich:
T
KW( t =0 ) = ∑ Pt ⋅ (1 + i ) −t
t =0
• In dieser Form ist klar ersichtlich, dass es sich um eine geometrische
Folge handelt, da die Summe aus den Folgegliedern einer
geometrischen Reihe gebildet werden.

21
Äquivalenzumformungen bei Gleichungen I

Äquivalenzumformung Beispiel
T1 = T2 ⇔ T1 ± T3 = T2 ± T3 x −9 = 5 ⇔ x −9−5 = 5−5
Addition/Subtraktion eines Terms Auf beiden Seiten 5 subtrahieren
T1 = T2 ⇔ T1 ⋅ T3 = T2 ⋅ T3 , T3 ≠ 0 x + 1 = 2 ⇔ ( x + 1) ⋅ 3 = 2 ⋅ 3
Multiplikation mit einem Term ≠ 0 Auf beiden Seiten 3 multiplizieren
T1 = T2 ⇔
T1 T2
= , T3 ≠ 0 8 ⋅ x 16
8 ⋅ x = 16 ⇔ =
T3 T3 4 4
Division durch einen Term ≠ 0 Auf beiden Seiten durch 4 dividiert
T1 = T2 ⇔ a T1 = a T2 , a ≠ 1 log10 ( x ) = 2 ⇔ 10log10 ( x ) = 102
Exponentialbildung (also ist x = 100)

22
Äquivalenzumformungen bei Gleichungen II

Äquivalenzumformung Beispiel
T1 = T2 ⇔ loga (T1 ) = loga (T2 ) 4 x = 64 ⇔ log4 ( 4 x ) = log4 (64)

Logarithmieren Beiden Seiten zur Basis 4 logarithmiert
2 2
T1 = T2 ⇔ T = T2 , n ungerade
n n
1 x = 9 ⇔ ( x ) = 93
3 3 3
Potenzieren
T1 = T2 ⇔ n T1 = n T2 , n ungerade x 3 = 27 ⇔ 3 x 3 = 3 27
Wurzelziehen Auf beiden Seiten die 3. Wurzel gezogen

23
Einfache Äquivalenzumformungen bei Ungleichungen

Äquivalenzumformung Besonderheit
T1 > T2 ⇔ T1 ± T3 > T2 ± T3
---
Addition/Subtraktion eines Terms
T1 > T2 ⇔ T1 ⋅ T3 > T2 ⋅ T3 , T3 > 0 Bei der Multiplikation mit einem
negativen Term wird das Vorzeichen
T1 > T2 ⇔ T1 ⋅ T3 < T2 ⋅ T3 , T3 < 0
umgedreht.
Multiplikation mit einem Term ≠ 0
T1 T2
T1 > T2 ⇔ > , T3 > 0
T3 T3
Bei der Division mit einem negativen
T T
T1 > T2 ⇔ 1 < 2 , T3 < 0 Term wird das Vorzeichen umgedreht.
T3 T3
Division mit einem Term ≠ 0

24
Ableitungsregeln I
Funktion f(x) Ableitung f‘(x) Beispiel
xn nx n −1 f ( x ) = x 5 ⇒ f ′( x ) = 5 x 4
Umgang mit Potenzen

c ⋅ g (x ) c ⋅ g ′(x ) f ( x) = 6 ⋅ x5
⇒ f ′( x ) = 30 ⋅ x 4
Multiplikative Konstante
f ( x) = 6 ⋅ x5 + x
u( x ) ± v( x ) u′( x ) ± v′( x )
⇒ f ′( x ) = 30 ⋅ x 4 + 1
Ableitung von Summen
f ( x ) = 6 x ⋅ ( x 2 − 1)
u( x ) ⋅ v( x ) u′( x ) ⋅ v ( x ) + u( x ) ⋅ v′( x )
⇒ f ′( x ) = 6 ⋅ ( x 2 − 1) + 6 x ⋅ 2 x
= 18 x 2 − 6
Produktregel

25
Ableitungsregeln II
6x
u( x ) u′( x ) ⋅ v ( x ) − u( x ) ⋅ v′( x ) f ( x) = ⇒
x −1
v( x) ( v ( x )) 2 6 ⋅ ( x − 1) − 6 x ⋅ 1 6
f ′( x ) = = −
Quotientenregel ( x − 1) 2 ( x − 1) 2
f ( g ( x )) f ′( g ( x )) ⋅ g ′( x ) f ( g ( x )) = (3x 2 + 1) 4
mit f (g) = g4
Kettenregel
und g ( x ) = 3x 2 + 1
f ′( x ) = 4 ⋅ (3x 2 + 1) ⋅ 6 x
= 24 x ⋅ (3x 2 + 1)

26
Ableitungsregeln III
e x
e x f ( x ) = e 2 x +5 ⇒ f ′( x ) = 2e 2 x +5
Exponentialfunktion zur Unter Anwendung der

Basis e Kettenregel!
1 1
ln x f ( x ) = ln( x + 1) =
x +1
x
1
c −1
x c
cx f ( x) = x = x 2
Achtung: c ist reelle Wichtig für Wurzeln 1 − 12

⇒ f ′( x ) = ⋅ x =
1
Zahl! 2 2 x
Auch die gebildete Ableitungsfunktion kann häufig differenziert werden. Dann wird
von der n-ten Ableitung gesprochen, wobei die zweite Ableitung die
Ableitungsfunktion der Ableitungsfunktion ist usw.

27
Grundintegrale I
Funktion f(x) Unbestimmtes Integral ∫f(x)dx
0 c
a a⋅x+c
x n , n ≠ −1 x n +1
+c
n +1
( a ⋅ x + c ) , n ≠ −1, a ≠ 0
n 1 ( ax + b) n +1
⋅ +c
a n +1
1
ln(| x |) + c
x

28
Grundintegrale II
Funktion f(x) Unbestimmtes Integral ∫f(x)dx
1 1
,a ≠ 0 ln(| ax + b |) + c
ax + b a
ex ex + c
e ax +b , a ≠ 0 1 ax +b
e +c
a
Es gelten zusätzlich folgenden Rechenregeln:
∫ c ⋅ f ( x)dx = c ⋅ ∫ f ( x)dx
∫ ( g ( x) ± f ( x))dx = ∫ g ( x)dx + ∫ f ( x)dx

29
Rechenregeln der Matrizenmultiplikation
Regel Bemerkung
(A·B)·C=A·(B·C) Assoziativgesetz
A·(B+C)=A·B+A·C Distributivgesetz
(A·B)+C=A·C+B·C
Wenn A quadratisch gilt: Multiplikation mit der Einheitsmatrix E
A·E=E·A=A reproduziert A
Wenn A quadratisch und N Multiplikation mit der Nullmatrix N ergibt
die passende Nullmatrix ist, die Nullmatrix.
gilt: A·N=N·A=N
(A·B)T = BT · AT Transponieren eines Matrixprodukts
A·B≠B·A Kommutativgesetz gilt nur in

Ausnahmefällen

30
Fakultäten und Binomialkoeffizienten
• Wichtige Hilfsmittel bei der Darstellung kombinatorischer Modelle

sind Fakultäten und Binomialkoeffizienten.
• Zunächst Fakultäten
– Mit dem Symbol „n!“ (lies: Fakultät) wird das Produkt der natürlichen
Zahlen von 1 bis n bezeichnet.
n
n! := 1 ⋅ 2 ⋅ ... ⋅ n = ∏ i
i =1
– 0! Wird als 1 definiert

• dann Binomialkoeffizienten
– Seien n > 0, k ≥ 0 und n ≥ k, so ist der Binomialkoeffizient (sprich: „n
über k“) definiert als:
n n!
  :=
 k  k! ( n − k )!

31
Binomialkoeffizienten I
• Bei der Berechnung des Binomialkoeffizienten empfiehlt es sich

nicht erst Zähler und Nenner auszurechnen, sondern so viel wie
möglich zu kürzen.
• Ein Beispiel
7 7! 7! 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 7 ⋅ 6 ⋅ 5 210
  = = = = = = 35
 4  4! (7 − 4)! 4!⋅3! 4 ⋅ 3 ⋅ 2 ⋅ 1⋅ 3 ⋅ 2 ⋅ 1 3 ⋅ 2 ⋅ 1 6
• Es gilt stets:
n n n n  n 
  =   = 1   = n   =  
 0 n 1   
k n − k 

32
Zusammenfassung
Möglichkeiten k Sachverhalte auf n Arten zu

erfüllen T = n1 ⋅ n2 ⋅ ... ⋅ nk
Bitte auf die Bedeutung von n,m und k im jeweiligen Kontext achten!
alle Elemente P = n!
unterscheidbar
Permutationen
nicht alle Elemente n!
P=
unterscheidbar n1!⋅n2!⋅...nm!
mit Berücksichtigung n!
V=
der Anordnung ( n − k )!
Kombinationen
ohne n n!
Berücksichtigung der C =   =
Anordnung  k  k! ( n − k )!

33
Zusammenfassung I
Nach einer bestimmten Vorschrift ausgeführtes, beliebig oft wiederholbares Experiment mit (ex ante)
Zufallsexperiment ungewissem Ausgang, dessen Ergebnisse (ex post) beobachtbar sind.
Einzelne, nicht mehr zerlegbare und sich gegenseitig ausschließende Ergebnisse eines
Elementarereignis Zufallsexperiments.
Ereignisraum Menge aller Elementarereignisse
(zufälliges) Ereignis Teilmenge des Ereignisraums.
Alle Ereignisse eines Zufallsexperiments mit einem Ereignisraum. Immer enthalten: die leere Menge
Ereignismenge und das sichere Ereignis (der Ereignisraum selber).
Wahrscheinlichkeit Maß des Grades an Gewissheit für das Eintreten eines Ereignisses

34
Zusammenfassung II
Laplace-Experiment Zufallsexperiment mit endlich vielen gleichwahrscheinlichen Elementarereignissen
klassische Zuordnung von Wahrscheinlichkeiten auf Basis von Laplace-Experimenten durch den Quotienten aus
Wahrscheinlichkeit günstigen Ereignissen und allen gleichwahrscheinlichen Ereignissen
statistische Grenzwert der relativen Häufigkeit eines Ereignisses bei unendlich häufiger Durchführung eines
Wahrscheinlichkeit Zufallsexperiments.
subjektive
Maß des persönlichen Vertrauens für den Eintritt eines Ereignisses.
Wahrscheinlichkeit

35
Wichtige Rechenregeln der Wahrscheinlichkeitsrechnung II
• Für komplementäre Ereignisse gilt:

P( A) = 1 − P( A)
• Für das unmögliche bzw. sichere Ereignis gilt:
P (∅ ) = 0 P ( Ω ) = 1
• Mit der letzten Formulierung kann der Additionssatz für beliebige
Ereignisse vereinfacht werden (da die Vereinigung disjunkter
Ereignisse das unmögliche Ereignis ergeben):
P( A ∪ B ) = P( A) + P( B ) − P ( A ∩ B )
• Für die Wahrscheinlichkeit von Schnittmengen gilt (Achtung: nur für
unabhängige Ereignisse): P( A ∩ B ) = P( A) ⋅ P( B )
• Für die Differenzmenge gilt:
P( A \ B ) = P( A) − P( A ∩ B )

36
Wichtige Rechenregeln der Wahrscheinlichkeitsrechnung II
• Impliziert das Ereignis A das Ereignis B, dann ist die

Wahrscheinlichkeit von B niemals kleiner als die von A.
A ⊂ B ⇒ P( A) ≤ P( B )
• Diese Rechenregeln bilden die Grundlage der

Wahrscheinlichkeitsrechnung. Sie werden hier nicht hergeleitet
oder bewiesen, sondern nur genutzt. Weiterführende Aspekte
werden nur für bestimmte Zielgruppen in den Modulen 2.3 & 2.4
eingeführt.
• Bei der Anwendung ist es wichtig, dass die Fragestellung genau
überlegt wird. Nur dann keine Berechnung von
Wahrscheinlichkeiten gelingen. Der richtige Gedankengang ist
wichtig!

37
Bedingte Wahrscheinlichkeiten III
• Mit dieser Definition kann der Multiplikationssatz (den Sie bis jetzt
nur für unabhängige Ereignisse kennen) erweitert werden. Es gilt
für alle Ereignisse:
P( A ∩ B ) = P( A) ⋅ P( B | A)
• Zwei Ereignisse A und B heißen (stochastisch) unabhängig, wenn

gilt:
P( A | B ) = P( A) es gilt dann auch P( B | A) = P( B )
• Die zweite in die erste Form eingesetzt ergibt den

Multiplikationssatz für stochastisch unabhängige Ereignisse, den
Sie schon kennen. P( A ∩ B ) = P( A) ⋅ P( B )

38
Totale Wahrscheinlichkeit II
• Diese Idee werden wir jetzt verallgemeinern

• Seien B1, B2, …,Bn beliebige n Ereignisse, die sich a) gegenseitig
ausschließen und b) gemeinsam alle möglichen Ereignisse des
Zufallsexperiments (die denkbar sind) abdecken, dann gilt für jedes
Ereignis A desselben Zufallsexperiments:
n
P( A) = ∑ P( A | Bi ) ⋅ P( Bi )
i =1

39
Bayes-Theorem II
• Seien A1, A2, …,An beliebige n Ereignisse, die sich a) gegenseitig

ausschließen und b) gemeinsam alle möglichen Ereignisse des
Zufallsexperiments (die denkbar sind) abdecken. Ferner sei B ein
Ereignis mit P(B) > 0, dann gilt für jedes Ereignis Ai das Bayes-
Theorem:
P( B | Ai ) ⋅ P( Ai )
P( Ai | B ) = n
∑ P( B | A ) ⋅ P( A )
i =1
i i

40
Auswahlverfahren / Stichprobenpläne in der Grundstruktur
nicht
Zufallsauswahl zufallsgesteuerte
Auswahlverfahren
einfache komplexe willkürliche bewusste Auswahl

(typische Fälle,
Zufallsauswahl Zufallsauswahl Auswahl Konzentrationsprinzip)
reine Klumpen-
Zufallsauswahl stichprobe
systematische geschichtete Quoten-Auswahl

Zufallsauswahl Stichprobe
mehrstufige
Stichprobe

41
Beispiel für die Begrifflichkeiten
Statistische Einheit(en): Einwohner eines Landes

Zu untersuchende Merkmale: Geburtsort (G), Schulabschluss (S), Einkommen (E)
Grundgesamtheit: Bevölkerung der Bundesrepublik
Stichprobe: Anzahl zufällig ausgewählter Passanten
Geburtsort: qualitativ / nominal

Schulabschluss: qualitativ / ordinal
Einkommen: quantitativ / kardinal
Merkmalsausprägungen: g1 = Aachen, g2 = Berlin usw.

s1 = mittlere Reife, s2 = Abitur usw.
e1= 45.654,56, e1= 22.563,52 usw.
V P Z Mathematische Grundlagen der

42
Zusammenfassung I
Statistik als wissenschaftliche Disziplin, ist die Lehre von den Methoden zum Umgang mit
Statistik quantitativen Informationen (Daten).
Statistische Einheit Statistische Einheiten bzw. Merkmalsträger sind Objekte, deren Merkmale bei der statistischen
Merkmalsträger Untersuchung von Interesse sind.
Die Grundgesamtheit Ω ist die Menge aller in Frage kommenden / zu untersuchenden statistischen
Grundgesamtheit Einheiten über die eine Aussage gemacht werden soll.
Merkmale Die Eigenschaften der statistischen Einheiten werden Merkmale genannt.
Merkmalsausprägung Unterscheidbare Erscheinungsformen eines Merkmals heißen (Merkmals)Ausprägungen.
Statistische Variable Bezeichnet die Zuordnung von (reellen) Zahlen zu den Merkmalsausprägungen

43
Zusammenfassung II
Vollerhebung Werden alle (interessierenden) Merkmalsträger einer Grundgesamtheit untersucht, so wird dies
Totalerhebung Vollerhebung bzw. Totalerhebung genannt.
Teilgesamtheit
(Jede) Teilmenge der Grundgesamtheit
Auswahl
Teilmenge der Grundgesamtheit, bei deren Bestimmung der Zufall eine maßgebliche Rolle spielt. (Zu
Stichprobe Stichprobenarten vgl. Übersichtsfolie)
Durch das Auswahl/Stichprobenverfahren bedingte, systematische Verzerrung gegenüber der

selection bias Grundgesamtheit
qualitativ Merkmalsausprägungen lassen sich nicht in Zahlen ausdrücken
Merkmalstypen I abgestufte
diskret
Merkmalsausprägungen lassen Ausprägungen
quantitativ sich durch Zahlen ausdrücken stetig können Zwischenwerte
kontinuierlich annehmen

44
Zusammenfassung III
Die Ausprägungen eines nominalskalierten Merkmals können nicht geordnet

nominal werden und die Abstände zwischen den Merkmalsausprägungen lassen sich
nicht sinnvoll interpretieren
Es besteht zwischen den Merkmalsausprägungen eine bestimmte, natürliche

ordinal bzw. sinnvolle Reihenfolge. Die Abstände zwischen den Merkmalsausprägungen
sind nicht sinnvoll interpretierbar
Merkmalstypen II Nur Differenzen

Es besteht zwischen den zwischen den
Merkmalsausprägungen eine Intervallskala
Merkmals-
bestimmte, natürliche bzw. ausprägungen zulässig
kardinal sinnvolle Reihenfolge. Die
metrisch Abstände zwischen den Natürlicher Nullpunkt.
Merkmalsausprägungen sind Quotienten sind
zudem messbar und sinnvoll Verhältnisskala zulässig und
interpretierbar. Verhältnisse
interpretierbar

45
Grundtechniken der Befragung
Datenerhebung
Messen Beobachten Befragen
(fern)mündlich schriftlich / postalisch elektronisch
mit Rückfragemöglichkeit ohne Rückfragemöglichkeit
mehrstufig
einstufig
Pre-Test, Itembildung, Nacherhebung
… … geschlossene Fragen offene Fragen
direkte Fragen indirekte Fragen
normale Einleitungs- oder Filter- Puffer- Folge-

Kontrollfrage
Frage Überleitungsfrage frage frage frage
standardisiert teil-standardisiert nicht-standardisiert

46
Beispielhafte Übersicht
Ebene Begriff Beispiel 1 Beispiel 2 Beispiel 3
Untersuchungsobjekt
oder Beobachtung („beobachtbares“) Merkmal Aufgabenlösung Bestellmenge Umsatz
Konstrukt
theoretisches Modell (nicht direkt beobachtbares Merkmal im Rahmen der zu Intelligenz Nachfragemacht Marktmacht
überprüfenden Theorie)
Variable
formales Modell (Repräsentant eines Merkmals in einem formalen Modell, welches x x x
grundsätzlich viele Werte annehmen kann)
Operationalisierung Mit Fragen zu

(Definition einer Abbildungsvorschrift. Dabei werden immer verschiedenen Mittels der
Mittels des Marktanteils
„Übersetzungsfehler“ gemacht, da ein Konstrukt per defintionem kognitiven Fähigkeiten Bestellmenge
nicht direkt beobachtbar ist) (IQ-Test)
Daten
Statistisches Modell (konkrete Ausprägungen von statistischen Variablen bei den 120, 80, ... 120, 80, ... 20%, 30%, ...
Untersuchungsobjekten)

47
Datenarten
Daten
Qualitative Daten Quantitative Daten

verbal durch Zahlen repräsentier(t)(bar)
binär diskret kontinuierlich
Primärdaten Sekundärdaten
selbst erhoben andere Quellen
Querschnittdaten Längsschnittdaten / Zeitreihen Paneldaten räumliche Datensätze

48
Zusammenfassung I
Ist die Beobachtung, Messung oder Befragung der Merkmalsausprägung von Merkmalen bei den
Erhebung Merkmalsträgern.
Durch das Antwortverhalten bedingte, systematische Verzerrung der Antworten gegenüber der
response bias eigentlichen Merkmalsausprägung.
Konstrukte
Nicht direkt beobachtbare, theoretische Elemente, die analysiert werden sollen
(latente Variable)
(mathematische)
Repräsentant des Konstruktes in einem formalen (mathematischen) Modell
Variable
Prozess der Übersetzung theoretischer Konstrukte bzw. Variablen in erhebbare

Operationalisierung Merkmalsausprägungen bzw. statistische Variablen.
Daten Konkret erhobenen Merkmalsausprägungen bei den Merkmalsträgern der Auswahl bzw. Stichprobe.

49
Zusammenfassung II
Urliste
Matrix aller erhobenen Merkmalsausprägung bei den Merkmalsträgern der Auswahl bzw. Stichprobe
Datenmatrix
Querschnittsdaten Daten von unterschiedlichen Merkmalsträgern, die sich (alle) auf einen Zeitpunkt beziehen.
Längsschnittdaten Daten von denselben Merkmalsträgern, die sich auf (aufeinanderfolgende) Zeitpunkte beziehen.
Zeitreihen Nutzung weniger Variablen.
Daten von denselben Merkmalsträgern, die sich auf (aufeinanderfolgende) Zeitpunkte beziehen und
Paneldaten gleichzeitig Nutzung vieler Variablen

50
Rechenregeln für Erwartungswerte und Varianzen
• Alle nachfolgenden Rechenregeln können recht einfach durch

Einsetzen in die Grundformen hergeleitet werden.
• Sei a eine Konstante, und g1(X) und g2(X) andere Massen- oder
Dichtefunktionen. Dann gilt:
E (a ) = a
E ( a ⋅ g1 ( X )) = a ⋅ E ( g1 ( X ))
E ( g1 ( X ) + g 2 ( X )) = E ( g1 ( X )) + E ( g 2 ( X ))
V (a ) = 0
V ( X + a) = V ( X )
V (a ⋅ X ) = a 2 ⋅V ( X )

51
Zusammenfassung I
Nach einer bestimmten Vorschrift ausgeführtes, beliebig oft wiederholbares Experiment mit (ex ante)
Zufallsexperiment ungewissem Ausgang, dessen Ergebnisse (ex post) beobachtbar sind.
Wahrscheinlichkeit Maß des Grades an Gewissheit für das Eintreten eines Ereignisses.
Zufallsvariable Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet.
Realisation Konkreter Wert einer Zufallsvariablen
diskrete Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet, so dass die Realisationen
Zufallsvariable zählbar sind.
stetige Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet, so dass ein überabzählbarer
Zufallsvariable unendlicher Wertbereich für die Realisationen entsteht.

52
Zusammenfassung II
Funktion, die einer Zufallsvariable einen reellen Wert zwischen 0 und 1 zuweist, der angibt, wie groß
Verteilungsfunktion die Wahrscheinlichkeit ist, das die Zufallsvariable nicht größer als x ist.
Die Funktion die bei einer diskreten Zufallsvariablen jeder Realisation die Wahrscheinlichkeit
Massenfunktion zuordnet, mit der die Zufallsvariable genau den Wert x annimmt.
Dichtefunktion Bei stetigen Zufallsvariablen die erste Ableitung der Verteilungsfunktion nach x.
Der Erwartungswert entspricht dem mit den Wahrscheinlichkeiten gewichteten arithmetischen Mittel
Erwartungswert aller Realisationen eines Zufallsexperiments.
Varianz Erwartungswert der quadrierten Abweichung der Zufallsvariablen von ihrem Erwartungswert.
Standardabweichung Positive Quadratwurzel der Varianz.

53
Zusammenfassung
Die absoluten Häufigkeiten eines Wertes ist die Anzahl der Merkmalsträger, bei denen die
absolute Häufigkeit Merkmalsausprägung diesen Wert annimmt.
Die relative Häufigkeiten eines Wertes ist der Anteil der Merkmalsträger, bei denen die
relative Häufigkeit Merkmalsausprägung diesen Wert annimmt.
kumulierte absolute
Die kumulierte absolute/relative Häufigkeiten eines Wertes ist die Anzahl/der Anteil der
oder relative Merkmalsträger, bei denen die Merkmalsausprägung maximal diesen Wert annimmt.
Häufigkeit
klassierte Häufigkeit Ist die Häufigkeit (s.o.) in vorab definierten Klassen.
Histogramme sind also grafische Darstellungen von relativen Häufigkeiten stetiger (klassierter)
Merkmalausprägungen, bei denen direkt nebeneinander Rechtecke, deren Flächen proportional zur
Histogramm relativen Häufigkeit (der Klasse) sind, gezeichnet werden. Die Klassenbreite entspricht der Breite des
Rechtecks, die Häufigkeitsdichte der Höhe.

54
Eigenschaften des arithmetischer Mittelwert
• Es gilt die sogenannte Zentraleigenschaft, d.h.

n
∑ ( x − x) = 0
i =1
i
• Wird eine reelle Zahl a zu allen xi addiert gilt:

yi = xi + a ⇒ y = x + a
• Wird eine reelle Zahl b (≠ 0) mit allen xi multipliziert gilt die

sogenannte Homogenitätseigenschaft:
zi = b ⋅ xi ⇒ z = b ⋅ x

55
Vergleich mit anderen Lageparametern
• Für eine unimodale, symmetrische Häufigkeitsverteilung sind

Modus, Median und Mittelwert (annährend) gleich.
• Bei einer unimodalen, rechtschiefen Verteilung gilt:

xMo < xMe und xMo < x
• Bei einer unimodalen, linksschiefen Verteilung gilt:

xMo > xMe und xMo > x

56
Eigenschaften der Varianz und Standardabweichung I
• Die Varianz (und mithin die Standardabweichung) ist immer größer

oder gleich Null:
s X2 ≥ 0
• Wird eine reelle Zahl a zu allen xi addiert, so ändert sich die Varianz
(und mithin die Standardabweichung) nicht:
yi = xi + a ⇒ sY2 = s X2
• Wird eine reelle Zahl b (≠ 0) mit allen xi multipliziert gilt für die
Varianz bzw. die Standardabweichung:
zi = b ⋅ xi ⇒ sZ2 = b2 ⋅ s X2 bzw. sZ =| b | ⋅s X

57
Eigenschaften der Varianz und Standardabweichung II
• Zur vereinfachten Berechnung ist folgende Eigenschaft der Varianz

nützlich. Es gilt:
1 n 1 n 2
s := ⋅ ∑ ( xi − x ) = ( ⋅ ∑ xi ) − ( x ) 2
2
X
2
n i =1 n i =1
• Es muss also nicht bei jedem beobachteten Merkmalsausprägungen

xi der Mittelwert abgezogen werden, sondern es können zunächst
die quadrierten Beobachtungswerte gemittelt werden und dann
anschließend das Quadrat des arithmetischen Mittels abgezogen
werden.

58
Übersicht Lageparameter I
Errechenbar bei** Interpretierbar bei**
Bestimmung*
n o1 o2 k n o1 o2 k
Modalwert
Modus
Häufigster Wert X X X X X X X X
xMe = x n +1 falls n ungerade
Median
allgemein x n ≤ xMe ≤ x n
2
+1
falls n gerade X X X
2 2
Median 1
Konvention
xMe = ( x n + x n )
2 2 2
+1 X X X
Q1 = x n +1 falls n ungerade
unteres Quartil
allgemein x n ≤ Q1 ≤ x n
4
+1
4 4
* Bitte beachten Sie die Besonderheiten bei klassierten Daten. Hier wird von nicht-klassierten Daten ausgegangen.
** (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau

59
Übersicht Lageparameter II
Bestimmung*
n o1 o2 k n o1 o2 k
Q3 = x 3n +1 falls n ungerade
oberes Quartil
allgemein
4
x 3n ≤ Q3 ≤ x 3n
+1
4 4
unteres Quartil 1
Konvention
Q1 = ( x n + x n ) X X X
2 4 +1
4
oberes Quartil 1
Konvention
Q3 = ( x 3n + x 3n ) X X X
2 4 +1
4
p-Quantil x p = x p⋅n +1 falls n ungerade

nur allgemein x p⋅n ≤ x p ≤ x p⋅n +1 falls n gerade X X X

60
Übersicht Lageparameter III

Bestimmung*
n o1 o2 k n o1 o2 k
1 n
x := ⋅ ∑ xi
arithmetisches Mittel
Mittelwert*** X X X
n i =1
n
geometrisches Mittel G X := n ∏x
i =1
i xi > 0 X X X
n
H X :=
X X X
n
harmonisches Mittel 1
∑
i =1 xi
*** Bitte beachten Sie die Möglichkeiten der vereinfachten Berechnung und die Eigenschaften

61
Übersicht Streuungsparameter I
Bestimmung*
n o1 o2 k n o1 o2 k
Spannweite R := xmax − xmin X X X
Quartilsabstand QA := Q3 − Q1 X X X
QA
mittlerer MQA := X X X
Quartilsabstand 2

62
Übersicht Streuungsparameter II
Bestimmung*
n o1 o2 k n o1 o2 k
1 n
Varianz***
(der Grundgesamtheit)
s := ⋅ ∑ ( xi − x ) 2
2
X X X X
n i =1
Standard-
abweichung***
(der Grundgesamtheit)
s X := s X2 X X X
sX
Variationskoeffizient VK X := X X X
x
*** Bitte beachten Sie die Möglichkeiten der vereinfachten Berechnung und die Eigenschaften

63
Zusammenfassung I
Modalwert Der häufigste Wert der Urliste bzw. bei klassierten Daten die Klassenmitte der Klasse, die am
Modus häufigsten besetzt ist.
unimodal Verteilung mit nur einem Modalwert
Die Merkmalsausprägung, die eine der Größe nach geordnete Reihenfolge von Beobachtungswerten
Median in zwei gleiche Teile zerlegt.
unteres Quartil Die Merkmalsausprägung, die eine der Größe nach geordnete Reihenfolge von Beobachtungswerten
oberes Quartil bei 25% (unteres Quartil) bzw. 75% (oberes Quartil) unterbricht.
Die Merkmalsausprägung definiert, die eine der Größe nach geordnete Reihenfolge von
p-Quantil Beobachtungswerten bei p unterbricht.
Dezil p-Quantil mit p = 0.1
Perzentil p-Quantil mit p = 0.01

64
Zusammenfassung II
arithmetisches Mittel
Summe aller Merkmalsausprägungen geteilt durch die Anzahl der Merkmalsträger
Mittelwert
n-te Wurzel des Produktes aller Merkmalsausprägungen, sofern alle Merkmalsausprägungen größer
geometrisches Mittel Null sind.
Kehrwert des arithmetischen Mittels der Kehrwerte aller Merkmalsausprägungen, sofern alle
harmonisches Mittel Merkmalsausprägungen größer Null sind.
Spannweite
Differenz aus dem größten und dem kleinsten Wert aller beobachteten Merkmalsausprägungen.
Range
(mittlerer)
(Halbe) Differenz aus dem oberen und dem unteren Quartil.
Quartilsabstand

65
Zusammenfassung III
Varianz Mittelwert der quadrierten Abweichung der Merkmalsausprägung von ihrem Mittelwert.
Standardabweichung Positive Quadratwurzel der Varianz.
Variationskoeffizient Auf den Mittelwert bezogene Standardabweichung.
Boxplot Darstellungsform, die das Minimum, das Maximum, das untere und obere Quartil und den Median
Whiskerplot veranschaulicht.
Darstellungsform, die (zumindest) das untere und obere Quartil und den Median sowie Ausreißer
punktierter Boxplot veranschaulicht. Häufig werden auch Minima und Maxima angegeben.

66
Zusammenfassung I
absolute
Anteil der Merkmalssumme bezogen auf eine (absolute) Anzahl von Merkmalsträgern.
Konzentration
relative
Anteil der Merkmalssumme bezogen auf eine Anteil von Merkmalsträgern.
Konzentration
Konzentration der ∑x i k
ersten k C ( k ) := i =1
m
= ∑ ai Mit ai der Anteil des i-ten Merkmalsträgers an der Summe aller
Merkmalsausprägungen.
Merkmalsträger
∑x
i =1
i
i =1
Herfindahl-Index
∑x i
2
Quotient aus der Summe der quadrierten
HHI := i =1
Merkmalsausprägungen und dem Quadrat der Summe der
HHI n
( ∑ xi ) 2 Merkmalsausprägungen.
i =1

67
Zusammenfassung I
Darstellung der kumulierten Anteile der Merkmalssumme über die kumulierten relativen
Lorenzkurve Häufigkeiten.
(normierter) Quotient aus der Konzentrationsfläche zwischen der Hauptdiagonalen und der
Gini-Koeffizient Lorenzkurve und der maximal möglichen Konzentrationsfläche

68
Mehrdimensionale Häufigkeiten XV – Übersicht

Kreuztabelle x1 x2 … xk Absolute Kumulierte
und abs. und
relative rel. Rand-
Rand- häufigkeit
häufigkeit
mit:
y1 n11 n12 … n1k n1● N1●
h11 h12 h1k h1● H1● nkl
hkl =
y2 n21 n22 … n2k n2● N2● m
h21 h22 h2k h2● H2● k l
… … … … … …
=
…
ni• ij •j
=j 1 =i 1
∑=
n bzw. n ∑n ij
yl nl1 nl2 … nlk nl● m k l
hl1 hl2 hlk hl● =

1 hi•
=j 1 =i 1
∑=
hij bzw. h• j ∑h ij
Absolute und n●1 n●2 … n●k m

relative h●1 h●2 h●k 1
Randhäufigkeit
Kumulierte abs. N●1 N●2 … m
und rel. H●1 H●2 1
Randhäufigkeit

69
Die (empirische) Kovarianz I
• Die sich aus den Merkmalsausprägungen xi und yi ergebenden

Wertepaare können genutzt werden um die „Streuung um die
Mittelwerte“ zu berechnen.
• Im Grunde ist dieses Maß also ein Streuungsmaß der gemeinsamen
Verteilung der Merkmale X und Y.
• Formal ergib sich die (empirische) Kovarianz als:
1 n
s XY := ⋅ ∑ ( xi − x ) ⋅ ( yi − y )
n i =1
• Durch Äquivalenzumformung kann dies vereinfacht werden zu:
1 n
s XY := ( ⋅ ∑ xi ⋅ yi ) − x ⋅ y
n i =1
Diese Form ist zur Berechnung deutlich einfacher.

70
Der Korrelationskoeffizient (Pearsons r) III
• r ist ein Maß des linearen Zusammenhangs der beiden Merkmale

• Das Vorzeichen von r bestimmt über den Zusammenhang:
– r > 0 => gleichläufiger (positiver) linearer Zusammenhang
– r < 0 => gegenläufiger (negativer) linearer Zusammenhang
– r = 0 => kein linearer Zusammenhang
• Es gilt weiter:
– r = 1 => perfekt linear positiver Zusammenhang (alle Punkte der
Punktwolke liegen auf einer steigenden Geraden)
– r = -1 => perfekt linearer negativer Zusammenhang (alle Punkte der
Punktwolke liegen auf einer fallenden Geraden)
• Jede lineare Transformation der Daten, ändert r nicht.

71
Der Korrelationskoeffizient (Pearsons r) IV
• Da r auf Werte zwischen -1 und 1 normiert wurde, können typische

Zusammenhänge definiert werden, die eine Klassifikation erlauben.
Eine gängige Konvention ist:
– 0,8 < |r| ≤ 1,0 => starker Zusammenhang
– 0,6 < |r| ≤ 0,8 => mäßiger Zusammenhang
– 0,4 < |r| ≤ 0,6 => schwacher Zusammenhang
– 0,2 < |r| ≤ 0,4 => sehr schwacher Zusammenhang
– 0,0 < |r| ≤ 0,2 => zu vernachlässigender Zusammenhang

72
Hinweise zur Berechnung von Kovarianz und Korrelationskoeffizient I
• Zur eigenständigen Berechnung der Kovarianz und des

Korrelationskoeffizienten ist es zweckmäßig, die einzelnen
Bestandteile der Bestimmungsgleichungen: n
1 n ∑ ( xi − x ) ⋅ ( yi − y )
s XY := ⋅ ∑ ( xi − x ) ⋅ ( yi − y ) rXY :=
n
i =1
n
n i =1
∑ ( xi − x) ⋅ ∑ ( yi − y )2
2
i =1 i =1
in Tabellenform aufzuschreiben.
• Zur Bestimmung der Kovarianz wird benötigt:
i, xi , yi , xi − x , yi − y und ( xi − x ) ⋅ ( yi − y )
• Zur Bestimmung des Korrelationskoeffizienten zusätzlich:
2
( xi − x ) 2 und ( yi − y )

73
Hinweise zur Berechnung von Kovarianz und Korrelationskoeffizient II
i xi yi xi − x yi − y ( xi − x ) ⋅ ( yi − y ) ( xi − x ) 2 ( yi − y ) 2
1 x1 y1
1 4
… … … 5 8
n xn yn
n
∑i =1 2 6 9
1 n
⋅∑ x y 7
n i =1 3
7 = Kovarianz
6 9 Einsetzen, um Korrelationskoeffizienten zu bestimmen

74
Kontingenzmaße – Eigenschaften
Der Wert 0 Der Zusammen- Das Kontingenz-

Es wird 1 als Maß
entspricht der hang nimmt bei maß soll „im
für den maximalen
(statistischen) zunehmenden Wert Verhältnis zu k und
Zusammenhang
Unabhängigkeit von des Kontingenz- l“ gemessen
erreicht.
X und Y. maßes zu. werden.
χ²
Kontingenzkoeffizient
(Pearsons P)
korrigierter
Kontingenzkoeffizient
φ-Koeffizient
Cramers V
V Mathematische Grundlagen der

75
Vereinfachungen bei Vierfeldertabellen I
• Eine in der Praxis häufig vorkommende Form, bei denen

Kontingenzmaße bestimmt werden, sind Kreuztabellen mit je zwei
Kategorien je Merkmal. Diese werden Vierfeldertabellen bzw.
Vierfeldertafeln genannt.
• In diesem Fall vereinfacht sich die Berechnung von
Kontingenzmaßen erheblich. Seien die folgenden Bezeichnungen
gegeben:
x1 x2
y1 a b a+b
y2 c d c+d
a+c b+d m = a+b+c+d

76
Vereinfachungen bei Vierfeldertabellen II
• Es ergibt sich:
m ⋅ (a ⋅ d − b ⋅ c)2
χ :=
2
( a + b) ⋅ ( c + d ) ⋅ ( a + c ) ⋅ ( b + d )
• und
(a ⋅ d − b ⋅ c)
φ = V :=
( a + b) ⋅ ( c + d ) ⋅ ( a + c ) ⋅ (b + d )
V Z Wirtschaftsstatistik
77
Zusammenfassung
Grafische Darstellung zweier Merkmalsausprägung eines Merkmalträgers. Dabei wird für jeden
Streudiagramm Merkmalsträger ein Punkt (mit den jeweiligen Merkmalsausprägungen) in ein Koordinatensystem mit
Scatterplot den (jeweiligen) Wertebereichen der Merkmalsausprägungen gezeichnet. Es ergibt sich eine
„Punktwolke“, deren Form einen ersten Hinweis auf den Zusammenhang gibt.
Kontingenz-,
Korrelations- bzw. Tabellarische Gegenüberstellung zweier Merkmalsausprägungen.
Kreuztabelle
Absolute, relative
oder kumulierte Verteilung eines der Merkmale ohne Berücksichtigung des jeweils anderen Merkmale.
Randverteilung

78
Übersicht über Maße des Zusammenhangs I

Errechenbar bei* Interpretierbar bei*
Bestimmung
n o1 o2 k n o1 o2 k
1 n
Kovarianz s XY := ⋅ ∑ ( xi − x ) ⋅ ( yi − y )
n i =1
X X X
n
Korrelations- ∑ ( x − x) ⋅ ( y − y)
X X X
i i
s XY
rXY := = i =1
koeffizient s X ⋅ sY n n
∑ ( x − x) ⋅ ∑ ( y − y)
i =1
i
2
i =1
i
2
Rangkorrelations- srg ( X ) rg (Y )
:= X X X X X X
Sp
rXY
koeffizient srg ( X ) ⋅ srg (Y )
l k
( nij − Eij ) 2
χ² χ := ∑∑
2
i =1 j =1 Eij
X X X X X X X X
• (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau als
„geringstes“ Skalenniveau einer der beiden zu Grunde liegenden Merkmalen

79
Übersicht über Maße des Zusammenhangs II

Errechenbar bei* Interpretierbar bei*
Bestimmung
n o1 o2 k n o1 o2 k
Kontingenzkoeffizient χ2
(Pearsons P) P :=
χ2 + m
X X X X X X X X
korrigierter χ 2 ⋅ min(k , l )
Kontingenzkoeffizient P korr
:=
( χ 2 + m) ⋅ (min(k , l ) − 1)
X X X X X X X X
χ2
φ-Koeffizient φ :=
m
X X X X X X X X
φ
Cramers V V :=
min((k − 1), (l − 1)) X X X X X X X X
• (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau als
„geringstes“ Skalenniveau einer der beiden zu Grunde liegenden Merkmalen

80
Systematik der Verteilungen III
Modellverteilungen Prüfverteilungen
(Auswahl) (Auswahl)
Gleichverteilung (2+)
Binomialverteilung (2)
Bernoulli-Verteilung (1)
diskret Poisson-Verteilung (1)
Hypergeometrische Verteilung (3)
Geometrische Verteilung (2)
Rechteckverteilung (2) Standardnormalverteilung (0)

Dreieckverteilung(2-3) Normalverteilung (2)
stetig Gamma-Verteilungen (2) χ²-Verteilungen (1)
Exponentialverteilung (1) Student-t-Verteilungen (1)
F-Verteilung (2-3)
Nachfolgend werden nur die rot markierten Verteilungen vorgestellt.

81
Gleich- und Rechteckverteilung VIII
• Verallgemeinert ergibt sich für Gleichverteilungen mit n

unterschiedlichen Ausprägungen:
• Die Massefunktion als:
1 / n für x = x1 ,..., xn
f ( x) = 
 0 sonst
• Der Erwartungswert als:
n
1 1 n
E ( X ) = ∑ xi ⋅ = ⋅ ∑ xi
i =1 n n i =1
• Sind x1,…,xn aufeinanderfolgende natürliche Zahlen, so ergibt sich
der Erwartungswert als:
n
1 1 n 1 n ⋅ ( n + 1) n + 1
E ( X ) = ∑ xi ⋅ = ⋅ ∑ xi = ⋅ =
i =1 n n i =1 n 2 2

82
Gleich- und Rechteckverteilung IX
• Die Varianz ergibt sich als:

1 n 1 n 2
V ( X ) = ⋅ ∑ ( xi − x ) = ( ⋅ ∑ xi ) − ( x ) 2
2
n i =1 n i =1
• Sind x1,…,xn aufeinanderfolgende natürliche Zahlen, so ergibt sich
die Varianz als:
1 n 1 n 2
V ( X ) = ⋅ ∑ ( xi − x ) = ( ⋅ ∑ xi ) − ( x ) 2
2
n i =1 n i =1
( n + 1)( 2n + 1) ( n + 1) 2 n 2 − 1
= − =
6 4 12

83
Gleich- und Rechteckverteilung X
• Verallgemeinert ergibt sich für Rechteckverteilungen in dem

Bereiche [a,b]:
• Die Dichtefunktion als: der Erwartungswert als:
 1
für a≤ x≤b a+b
f ( x) =  b − a E( X ) =
 0 sonst 2
• Die Verteilungsfunktion als: und die Varianz als:
 0 x<a (b − a ) 2
für V(X ) =
x −a 2
F ( x) =  für a ≤ x ≤ b
b − a
 1 für x>b

84
Binomialverteilung IV
• Sie X eine Zufallsvariable, x = 0,1,…,n und n eine natürliche Zahl

sowie p eine reelle Zahl für die gilt 0 ≤ p ≤ 1. X heißt
binomialverteilt, wenn die Massefunktion
n x
f ( x, p, n ) =   ⋅ p ⋅ (1 − p ) n − x
 x
gilt.1
• Die zugehörige Verteilungsfunktion lautet:
x
n k
F ( x, =
p, n ) ∑ k  ⋅ p ⋅ (1 − p ) n −k
k =0  
• Der Erwartungswert und die Varianz ergeben sich als:
E( X ) = n ⋅ p V ( X ) = n ⋅ p ⋅ (1 − p )
1 = zur Besseren Übersicht sind nur positive Wahrscheinlichkeitsmassen angegeben. Der Wert sonst ist Null.

85
Bernoulli-Verteilung
• Für n = 1 ergibt sich eine Sonderform der Binomialverteilung. Sie

beschreibt die Verteilung eines Bernoulli-Experiments und wird
deshalb Bernoulli-Verteilung genannt.
• Die zugehörige Massefunktion lautet: Erwartungswert:
1 − p für x = 0

f ( x, p ) =  p für x = 1 E( X ) = p
 0
 für sonst
• Die zugehörige Verteilungsfunktion lautet: Varianz:
 0 für x<0
 V ( X ) = p ⋅ (1 − p )
F ( x, p ) = 1 − p für 0 ≤ x < 1
 p 1≤1
 für
V E Z Mathematische Grundlagen der

86
Poisson-Verteilung III
• Es ergibt sich als Massefunktion der Poisson-Verteilung für x =

0,1,2,3,…:
λx −λ
f ( x, λ ) = ⋅ e
x!
• Der Erwartungswert der Poisson-Verteilung ist E(X) = λ

• Die Varianz der Poisson-Verteilung ist V(X) = λ.
• Die Poisson-Verteilung ist durch einen Parameter (λ) vollständig
bestimmt.

87
Standardnormalverteilung I
• Eine stetige Zufallsvariable Z mit der Dichtefunktion

1
1 − ⋅z 2
f ( z) = ⋅ e 2 mit − ∞ < z < ∞
2 ⋅π
heißt standardnormalverteilt.
• Die Dichtefunktion der Standardnormalverteilung ist vollständig
bestimmt, da z die einzige Variable ist. e ist die Euler‘sche Zahl
(2.71828…) und π die „Kreiszahl“ (3.1415926…).

88
Standardnormalverteilung V
• Es ergibt sich als zugehörige Verteilungsfunktion der
Standardnormalverteilung:
z 1
1 − ⋅u 2
F ( z) = ⋅ ∫ e 2 du
2 ⋅ π −∞
• Der Erwartungswert der Standardnormalverteilung ist E(Z) = 0 und

die Varianz V(Z) = 1.
• Die Berechnung der Verteilungsfunktion ist aufwendig, da dieses
Integral (mangels einheitlicher Stammfunktion) nicht elementar
lösbar ist. Die numerischen Werte werden aber benötigt, um die
Wahrscheinlichkeiten anzugeben.
• Denn wie bei jeder anderen Verteilung sind die
Wahrscheinlichkeiten die Flächen unter der Glockenkurve.

89
Standardnormalverteilung VIII
• Da die Fläche (per definitionem) maximal 1 ist, ergibt sich die

Wahrscheinlichkeit für einen Wert größer als z immer als:
P( Z > z ) = 1 − P( Z ≤ z )
P(Z>-0.4044)
= 1-P(Z≤-0.4044)
≈ 0.659
P(Z≤-0.4044)
≈ 0.341

90
Standardnormalverteilung IX
• Da die Dichtefunktion symmetrisch (um Null) ist, gilt:

P( Z ≤ z ) = P( Z ≥ − z ) P(Z≤1.2)
= 0.8849
P(Z≥-1.2)
P(Z≤-0.4044) P(Z≥0.4044) = 0.8849
≈ 0.341 ≈ 0.341

91
V
Z
z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,50000 0,50399 0,50798 0,51197 0,51595 0,51994 0,52392 0,52790 0,53188 0,53586
0,1 0,53983 0,54380 0,54776 0,55172 0,55567 0,55962 0,56356 0,56749 0,57142 0,57535
0,2 0,57926 0,58317 0,58706 0,59095 0,59483 0,59871 0,60257 0,60642 0,61026 0,61409
0,3 0,61791 0,62172 0,62552 0,62930 0,63307 0,63683 0,64058 0,64431 0,64803 0,65173
0,4 0,65542 0,65910 0,66276 0,66640 0,67003 0,67364 0,67724 0,68082 0,68439 0,68793
0,5 0,69146 0,69497 0,69847 0,70194 0,70540 0,70884 0,71226 0,71566 0,71904 0,72240
0,6 0,72575 0,72907 0,73237 0,73565 0,73891 0,74215 0,74537 0,74857 0,75175 0,75490
0,7 0,75804 0,76115 0,76424 0,76730 0,77035 0,77337 0,77637 0,77935 0,78230 0,78524
0,8 0,78814 0,79103 0,79389 0,79673 0,79955 0,80234 0,80511 0,80785 0,81057 0,81327
0,9 0,81594 0,81859 0,82121 0,82381 0,82639 0,82894 0,83147 0,83398 0,83646 0,83891
1,0 0,84134 0,84375 0,84614 0,84849 0,85083 0,85314 0,85543 0,85769 0,85993 0,86214
1,1 0,86433 0,86650 0,86864 0,87076 0,87286 0,87493 0,87698 0,87900 0,88100 0,88298
1,2 0,88493 0,88686 0,88877 0,89065 0,89251 0,89435 0,89617 0,89796 0,89973 0,90147
1,3 0,90320 0,90490 0,90658 0,90824 0,90988 0,91149 0,91309 0,91466 0,91621 0,91774
1,4 0,91924 0,92073 0,92220 0,92364 0,92507 0,92647 0,92785 0,92922 0,93056 0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,93822 0,93943 0,94062 0,94179 0,94295 0,94408
1,6 0,94520 0,94630 0,94738 0,94845 0,94950 0,95053 0,95154 0,95254 0,95352 0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,95907 0,95994 0,96080 0,96164 0,96246 0,96327
1,8 0,96407 0,96485 0,96562 0,96638 0,96712 0,96784 0,96856 0,96926 0,96995 0,97062
1,9 0,97128 0,97193 0,97257 0,97320 0,97381 0,97441 0,97500 0,97558 0,97615 0,97670
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899
Wirtschaftsstatistik
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520

2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736
2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807
2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99896 0,99900
3,1 0,99903 0,99906 0,99910 0,99913 0,99916 0,99918 0,99921 0,99924 0,99926 0,99929
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942 0,99944 0,99946 0,99948 0,99950
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99960 0,99961 0,99962 0,99964 0,99965
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972 0,99973 0,99974 0,99975 0,99976
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981 0,99981 0,99982 0,99983 0,99983
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987 0,99987 0,99988 0,99988 0,99989
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991 0,99992 0,99992 0,99992 0,99992
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994 0,99994 0,99995 0,99995 0,99995
Tabelle Standardnormalverteilung (Verteilungsfunktion)
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998
92
Normalverteilung I
• Um die Normalverteilung zu definieren wird mit μ der
arithmetische Mittelwert und mit σ die Standardabweichung der
Verteilung bezeichnet.
• Eine stetige Zufallsvariable X mit der Dichtefunktion
1 x−µ
1 − ⋅( )2
f ( x) = ⋅e 2 σ
mit − ∞ < z < ∞
σ ⋅ 2 ⋅π
heißt normalverteilt.
• Es ergibt sich als zugehörige Verteilungsfunktion der
Normalverteilung:
x 1 u−µ
1 − ⋅( )2
F ( x) = ⋅ ∫e 2 σ
du
σ ⋅ 2 ⋅ π −∞
• Der Erwartungswert der Standardnormalverteilung ist E(Z) = μ und
die Varianz V(Z) = σ².

93
Normalverteilung VI
• Diese Eigenschaften ermöglichen es, eine beliebige N(μ,σ)-

Verteilung auf die Eigenschaften der Standardnormalverteilung
zurückzuführen.
• Dazu werden die Werte der beliebigen N(μ,σ)-Verteilung wie folgt
transformiert (Z-Transformation):
X −µ
Z= N(-2,0.5)
σ Z = (X+2)/0.5
• Nach der erfolgten Trans-

N(0,1)
formation, können die Wahr- Z = (X-2)/2
scheinlichkeiten einfach mit der N(2,2)
Tabelle der Standardnormal-
verteilung bestimmt werden.

94
Normalverteilung VII
• Natürlich geht auch der „umgekehrte Weg“: Die Eigenschaften der

Standardnormalverteilung werden auf eine beliebige N(μ,σ)-
Verteilung übertragen.
• Dazu werden die Werte der Standardnormalverteilung wie folgt
transformiert:
X =σ ⋅Z + µ N(-2,0.5)
X = 0.5·Z-2
• Nach der erfolgten Trans-
formation, können die Wahr- N(0,1)
X = 2·Z+2
scheinlichkeiten aus der Tabelle
der Standardnormalverteilung N(2,2)
auf andere Wertebereiche

übertragen werden.

95
Überprüfung der Normalverteilungsannahme I
• Das hinreichend genaue Zutreffen der Normalverteilungsannahme

für n voneinander unabhängigen Wiederholungen X1, …, Xn der
Zufallsvariablen X ist eine wichtige Voraussetzung für viele
Verfahren der schließenden Statistik. Seien mit x1, …, xn die
Realisierungen dieser Zufallsexperimente bezeichnet. Dann können
folgende Kriterien genutzt werden:
• 1. Eingipfligkeit / Unimodalität: Die Normalverteilung ist unimodal.
Es muss gelten:
x ≈ xMo
• 2. Symmetrie: Die Normalverteilung ist symmetrisch (also weder
rechtsschief noch linksschief). Es muss gelten:
x ≈ xMe

96
Überprüfung der Normalverteilungsannahme II
• 3. Form der Verteilung: Die Normalverteilung ist hat eine

Bestimmte Streuung und eine bestimmte „Wölbung“. Um diese zu
in einer einfachen Faustregel zu prüfen, kann der Quartilsabstand
mit der Standardabweichung verglichen werden. Es muss gelten:
QA
≈ sX
1.35
• 4. Auffälligkeiten in der Verteilung (Abwesenheit von Ausreißern):
Nur wenige Beobachtungen sind sehr groß oder sehr klein.
Ausreißer einer standardnormalverteilten Variablen gibt es
unterhalb von -2,7 oder oberhalb von 2,7, mit einer
Wahrscheinlichkeit von 2 x [1 - P(Z≤2.7)] = 0.007. Also nur 7 von
1000 Beobachtungen würden einen Ausreißer ergeben. Extreme
Ausreißer gibt es „im Normalfall“ praktisch gar nicht.

97
Überprüfung der Normalverteilungsannahme III
• 5. Histogramme prüfen: Wenn Ihnen ein geeignetes Statistik-

Programm zur Verfügung steht, sollte immer noch ein Histogramm
der x1, …, xn bestimmt werden, und mit einer Normalverteilung
verglichen werden.
.4
.4
.3
.3
Density
Density
.2
.2
.1
.1
0
-4 -2 0 2 4 -4 -2 0 2 4 6
var2 var3

98

Formelsammlung Z-Folien

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Formelsammlung Z-Folien

Hochgeladen von

Copyright:

Verfügbare Formate

Fachbereich Wirtschaftswissenschaften

Prof. Dr. Matthias Freund

Mathematische Grundlagen der Wirtschaftsinformatik

alle inhaltlichen Folien mit Z

Mathematische Grundlagen der

L Z Mathematische Grundlagen der

• Für spezielle Quellen bei einzelnen Fragestellungen sprechen Sie mich

L Z Mathematische Grundlagen der

Inhalt – thematische Gliederung

L Z Mathematische Grundlagen der

Inhalt II – thematische Gliederung Modulteil b

L Z Mathematische Grundlagen der

Unterschiedliche Inhalte je Modul

V• Klassische Vorlesung: Theorie, Theoreme und Hintergrund

Z• Nützlich zum Nachschlagen und Erinnern:

P• Hinweise auf die Verwendung: Praxisbeispiele und

Ü• Übungselemente und Experimente: Aufgaben zur

E• Exkurse zum Verständnis des Hintergrundes

• Vorführungen mit Statistik-Software und großen

L Z Mathematische Grundlagen der

Die Formalsprache der Mathematik – Relationen I

V Z Mathematische Grundlagen der

Die Formalsprache der Mathematik – Operatoren I

• Viele mathematische Operatoren sind Ihnen aus der

Kürzel Bedeutung Kürzel Bedeutung

V Z Mathematische Grundlagen der

Die Formalsprache der Mathematik – Operatoren II

• Viele mathematische Operatoren sind Ihnen aus der

Kürzel Bedeutung Kürzel Bedeutung

Logarithmus zur Basis a

V Z Mathematische Grundlagen der

Die Formalsprache der Mathematik – Relationen II

• Schließlich gibt es eine Reihe von Relationen (Beziehungszeichen),

:= bzw. =: ist definitorisch gleich

> bzw. <

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Addition und Subtraktion

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Produkte

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Quotienten I

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Quotienten I

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Quotienten I

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Potenzrechnung III

a m ⋅ a n = a m+n 25 ⋅ 23 = 25+3 = 28 = 256

( a ⋅ b) n = a n ⋅ b n ( 2 ⋅ 5)3 = 23 ⋅ 53 = 8 ⋅ 125 = 1000

V Z Mathematische Grundlagen der

Elementare Rechenregeln – Logarithmusrechnung II

loga (b ) = d ⋅ loga (b)

V Z Mathematische Grundlagen der

• Häufig werden aussagelogische Sachverhalte in sogenannten

V Z Mathematische Grundlagen der

Zins- und Zinseszinsrechnung IV

• Für alle geometrischen Folgen gilt:

• Das Endkapital berechnet sich also zu:

V Z Mathematische Grundlagen der

Barwert- bzw. Kapitalwertberechnung IV

• Verdichtung einer gegebenen Zahlungsreihe aus Einzahlungen und

V Z Mathematische Grundlagen der

Barwert- bzw. Kapitalwertberechnung VI

• Wird die Annahme der Normalinvestition aufgegeben (werden also