3 Regressionsmodelle für Zähldaten
|
|
- Μακεδνός Λιακόπουλος
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Übung zur Vorlesung Kategoriale Daten Blatt 6 Gerhard Tutz, Moritz Berger WiSe 15/16 3 Regressionsmodelle für Zähldaten Aufgabe 21 Analyse des Datensatz bike bike <- read.table("bike.dat", header=t) (a) siehe Übungsmitschrift (b) Berechnung der Modelle # Poisson-Modell model1a <- glm(y ~ lecture + offset(log(time)), family=poisson, data=bike) summary(model1a) Call: glm(formula = y ~ lecture + offset(log(time)), family = poisson, data = bike) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) <2e-16 *** lecture * --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: on 23 degrees of freedom Residual deviance: on 22 degrees of freedom AIC: Number of Fisher Scoring iterations: 5 # äquivalente Schreibweise model1b <- glm(y ~ lecture, offset=log(time), family=poisson(link=log), data=bike) summary(model1b) Call: glm(formula = y ~ lecture, family = poisson(link = log), data = bike, offset = log(time)) Deviance Residuals: Min 1Q Median 3Q Max
2 Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) <2e-16 *** lecture * --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: on 23 degrees of freedom Residual deviance: on 22 degrees of freedom AIC: Number of Fisher Scoring iterations: 5 # Quasi-Poisson-Modell model2 <- glm(y ~ lecture, offset=log(time), family=quasipoisson(link=log), data=bike) summary(model2) Call: glm(formula = y ~ lecture, family = quasipoisson(link = log), data = bike, offset = log(time)) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) e-12 *** lecture * --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for quasipoisson family taken to be ) Null deviance: on 23 degrees of freedom Residual deviance: on 22 degrees of freedom AIC: NA Number of Fisher Scoring iterations: 5 Modell-Vergleich: phi auch bei Quasi-Poisson nahezu 1; keine wesentliche Änderung bei den Signifikanzen, auch hinsichtlich des p-wertes wenig Unterschied. Spricht für Poisson-Modell! dieselben Schätzer für Koeffizienten, da phi bei Schätzgleichung rausfliegt geringfügig größere Standardfehler im Quasi-Poisson-Fall Achtung: Da im Quasi-Poisson-Modell Vtlg eigentlich nicht bekannt ist und die Devianzen und AIC nicht bestimmt werden können, gibt die Funktion im Quasi-Poisson-Modell einfach die Devianzen des Poisson-Modells aus
3 Aufgabe 22 Vorbereitungen library(pscl) data(biochemists) help(biochemists) attach(biochemists) (a) Deskriptive Analysen # Verteilung der Anzahl an Artikeln plot(as.numeric(names(table(art))),table(art),type="h", xlab="articles", ylab="freq") 0 freq articles # nach Geschlecht boxplot(art ~ fem, varwidth=t) Men Women
4 # nach Familienstand boxplot(art ~ mar, varwidth=t) Single Married # nach Kinderzahl boxplot(art ~ kid5, varwidth=t) # nach Prestige plot(phd,art) lines(lowess(phd,art))
5 art phd # nach Betreuer plot(ment,art) lines(lowess(ment,art)) art ment (b) Äquidispersionseigenschaft fraglich, falls: Dispersionsparameter φ im Quasi-Poisson-Modell deutlich größer als 1 Signifikanzen des Poisson-Modells und Quasi-Poissonmodells sehr unterschiedlich (c) Bekannte Modelle # Poisson-Modell poissonmodell <- glm(art ~ fem + mar + kid5 + phd + ment, family=poisson, data=biochemists) summary(poissonmodell) Call: glm(formula = art ~ fem + mar + kid5 + phd + ment, family = poisson, data = biochemists) Deviance Residuals:
6 Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) ** femwomen e-05 *** marmarried * kid e-06 *** phd ment < 2e-16 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: on 914 degrees of freedom Residual deviance: on 909 degrees of freedom AIC: Number of Fisher Scoring iterations: 5 # Quasi-Poisson-Modell qpoissonmodell <- glm(art ~ fem + mar + kid5 + phd + ment, family=quasipoisson, data=biochemists) summary(qpoissonmodell) Call: glm(formula = art ~ fem + mar + kid5 + phd + ment, family = quasipoisson, data = biochemists) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) * femwomen ** marmarried kid *** phd ment < 2e-16 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for quasipoisson family taken to be ) Null deviance: on 914 degrees of freedom Residual deviance: on 909 degrees of freedom AIC: NA Number of Fisher Scoring iterations: 5 (d) Negativbinomial-Modell negbinomial <- glm.nb(art ~ fem + mar + kid5 + phd + ment, link=log, data=biochemists) summary(negbinomial)
7 Call: glm.nb(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, link = log, init.theta = ) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) femwomen ** marmarried kid *** phd ment < 2e-16 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for Negative Binomial(2.2644) family taken to be 1) Null deviance: on 914 degrees of freedom Residual deviance: on 909 degrees of freedom AIC: Number of Fisher Scoring iterations: 1 Theta: Std. Err.: x log-likelihood: (e) siehe Übungsmitschrift (f) Zero-Inflated Poissonmodelle # Poisson - Binomial(Logit-Link) zeroinflpbl <- zeroinfl(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="poisson", link="logit") summary(zeroinflpbl) Call: zeroinfl(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "poisson", link = "logit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-07 *** femwomen *** marmarried kid ** phd ment e-15 ***
8 Zero-inflation model coefficients (binomial with logit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid phd ment ** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 21 Log-likelihood: on 12 Df # Poisson - Binomial(Probit-Link) zeroinflpbp <- zeroinfl(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="poisson", link="probit") summary(zeroinflpbp) Call: zeroinfl(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "poisson", link = "probit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-07 *** femwomen ** marmarried kid ** phd ment e-15 *** Zero-inflation model coefficients (binomial with probit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid phd ment * --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 19 Log-likelihood: on 12 Df # Negativbinomial - Binomial(Logit-Link) zeroinflnbl <- zeroinfl(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="negbin", link="logit") summary(zeroinflnbl) Call: zeroinfl(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "negbin", link = "logit")
9 Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (negbin with log link): Estimate Std. Error z value Pr(> z ) (Intercept) ** femwomen ** marmarried kid ** phd ment e-12 *** Log(theta) e-13 *** Zero-inflation model coefficients (binomial with logit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid phd ment ** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Theta = Number of iterations in BFGS optimization: 43 Log-likelihood: on 13 Df # Negativbinomial - Binomial(Probit-Link) zeroinflnbp <- zeroinfl(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="negbin", link="probit") summary(zeroinflnbp) Call: zeroinfl(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "negbin", link = "probit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (negbin with log link): Estimate Std. Error z value Pr(> z ) (Intercept) ** femwomen ** marmarried kid ** phd ment e-13 *** Log(theta) e-13 *** Zero-inflation model coefficients (binomial with probit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid phd ment **
10 --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Theta = Number of iterations in BFGS optimization: 28 Log-likelihood: on 13 Df # In den zwei Modellierungen können auch unterschiedliche Kovariablen # verwendet werden: zeroinflpbl2 <- zeroinfl(art ~ fem + mar + kid5 + phd + ment fem + mar, data=biochemists, dist="poisson", link="logit") summary(zeroinflpbl2) Call: zeroinfl(formula = art ~ fem + mar + kid5 + phd + ment fem + mar, data = biochemists, dist = "poisson", link = "logit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-06 *** femwomen *** marmarried kid e-05 *** phd ment < 2e-16 *** Zero-inflation model coefficients (binomial with logit link): Estimate Std. Error z value Pr(> z ) (Intercept) e-07 *** femwomen marmarried Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 20 Log-likelihood: on 9 Df (g) siehe Übungsmitschrift (h) Hurdlemodelle # Poisson - Poisson hurdlepp <- hurdle(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="poisson", zero.dist="poisson") summary(hurdlepp) Call: hurdle(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "poisson", zero.dist = "poisson") Pearson residuals: Min 1Q Median 3Q Max
11 Count model coefficients (truncated poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-08 *** femwomen *** marmarried kid ** phd ment < 2e-16 *** Zero hurdle model coefficients (censored poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid ** phd ment e-11 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 22 Log-likelihood: on 12 Df # Test, ob Koeffizientenvektoren unterhalb und oberhalb der Hürde gleich sind: # H_0: \beta_1 = \beta_2 wird abgelehnt hurdletest(hurdlepp) Wald test for hurdle models Restrictions: count_((intercept) - zero_(intercept) = 0 count_femwomen - zero_femwomen = 0 count_marmarried - zero_marmarried = 0 count_kid5 - zero_kid5 = 0 count_phd - zero_phd = 0 count_ment - zero_ment = 0 Model 1: restricted model Model 2: art ~ fem + mar + kid5 + phd + ment Res.Df Df Chisq Pr(>Chisq) < 2.2e-16 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 # Negativbinomial - Poisson hurdlenp <- hurdle(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="negbin", zero.dist="poisson") summary(hurdlenp) Call: hurdle(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "negbin", zero.dist = "poisson") Pearson residuals: Min 1Q Median 3Q Max
12 Count model coefficients (truncated negbin with log link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen * marmarried kid * phd ment e-08 *** Log(theta) ** Zero hurdle model coefficients (censored poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid ** phd ment e-11 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Theta: count = Number of iterations in BFGS optimization: 25 Log-likelihood: on 13 Df # Poisson - Binomial hurdlepb <- hurdle(art ~ fem + mar + kid5 + phd + ment, data=biochemists, dist="poisson", zero.dist="binomial", link="logit") summary(hurdlepb) Call: hurdle(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "poisson", zero.dist = "binomial", link = "logit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (truncated poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-08 *** femwomen *** marmarried kid ** phd ment < 2e-16 *** Zero hurdle model coefficients (binomial with logit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid * phd ment e-10 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 12 Log-likelihood: on 12 Df # Negativbinomial - Binomial hurdlenb <- hurdle(art ~ fem + mar + kid5 + phd + ment, data=biochemists,
13 dist="negbin", zero.dist="binomial", link="logit") summary(hurdlenb) Call: hurdle(formula = art ~ fem + mar + kid5 + phd + ment, data = biochemists, dist = "negbin", zero.dist = "binomial", link = "logit") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (truncated negbin with log link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen * marmarried kid * phd ment e-08 *** Log(theta) ** Zero hurdle model coefficients (binomial with logit link): Estimate Std. Error z value Pr(> z ) (Intercept) femwomen marmarried kid * phd ment e-10 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Theta: count = Number of iterations in BFGS optimization: 15 Log-likelihood: on 13 Df # Ober- und unterhalb der Schranke können auch unterschiedliche Kovariablen # verwendet werden: HurdlePP2 <- hurdle(art ~ fem + mar + kid5 + phd + ment fem + mar, data=biochemists, dist="poisson", zero.dist="poisson") summary(hurdlepp2) Call: hurdle(formula = art ~ fem + mar + kid5 + phd + ment fem + mar, data = biochemists, dist = "poisson", zero.dist = "poisson") Pearson residuals: Min 1Q Median 3Q Max Count model coefficients (truncated poisson with log link): Estimate Std. Error z value Pr(> z ) (Intercept) e-08 *** femwomen *** marmarried kid ** phd ment < 2e-16 *** Zero hurdle model coefficients (censored poisson with log link):
14 Estimate Std. Error z value Pr(> z ) (Intercept) * femwomen marmarried Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 21 Log-likelihood: on 9 Df (i) Wie kann man allgemein Modelle für Zähldaten vergleichen? Residuenanalyse mit Devianz nicht, da keine hierarchische Struktur AIC (problematisch wenn Likelihood nicht bekannt (Quasi-Poisson)) am besten um Prognosegüte der Modelle zu überprüfen: Kreuzvalidierung nur wie vergleicht man dann Prognose und wahre Werte? Trefferrate: nicht ideal, da auch wichtig, wie weit der Fit abweicht quadratische Abweichung: nicht ideal, da Zähldaten ganzzahlig und Fit reellwertig Kullback-Leibler-Distanz zwischen wahrer Vtlg (Einpunktvtlg) und geschätzter Vtlg kumulierter quadrierter Score # hier am leichtesten zu bestimmen: AIC AIC(poissonModell,negbinomial,hurdlePP,hurdleNP,hurdlePB,hurdleNB, zeroinflpbl,zeroinflpbp,zeroinflnbp,zeroinflpbl2) df AIC poissonmodell negbinomial hurdlepp hurdlenp hurdlepb hurdlenb zeroinflpbl zeroinflpbp zeroinflnbp zeroinflpbl
Wan Nor Arifin under the Creative Commons Attribution-ShareAlike 4.0 International License. 1 Introduction 1
Poisson Regression A Short Course on Data Analysis Using R Software (2017) Wan Nor Arifin (wnarifin@usm.my), Universiti Sains Malaysia Website: sites.google.com/site/wnarifin Wan Nor Arifin under the Creative
Διαβάστε περισσότεραΛογιστική Παλινδρόµηση
Κεφάλαιο 10 Λογιστική Παλινδρόµηση Στο κεφάλαιο αυτό ϑα δούµε την µέθοδο της λογιστικής παλινδρόµησης η οποία χρησιµεύει στο να αναπτύξουµε σχέση µίας δίτιµης ανεξάρτητης τυχαίας µετα- ϐλητής και συνεχών
Διαβάστε περισσότεραη π 2 /3 χ 2 χ 2 t k Y 0/0, 0/1,..., 3/3 π 1, π 2,..., π k k k 1 β ij Y I i = 1,..., I p (X i = x i1,..., x ip ) Y i J (j = 1,..., J) x i Y i = j π j (x i ) x i π j (x i ) x (n 1 (x),..., n J (x))
Διαβάστε περισσότερα5.1 logistic regresssion Chris Parrish July 3, 2016
5.1 logistic regresssion Chris Parrish July 3, 2016 Contents logistic regression model 1 1992 vote 1 data..................................................... 1 model....................................................
Διαβάστε περισσότεραWan Nor Arifin under the Creative Commons Attribution-ShareAlike 4.0 International License. 1 Introduction 1
Linear Regression A Short Course on Data Analysis Using R Software (2017) Wan Nor Arifin (wnarifin@usm.my), Universiti Sains Malaysia Website: sites.google.com/site/wnarifin Wan Nor Arifin under the Creative
Διαβάστε περισσότεραΓενικευµένα Γραµµικά Μοντέλα
Σηµειώσεις για το εργαστήριο υπολογιστών για το µάθηµα Γενικευµένα Γραµµικά Μοντέλα. Μέρος δεύτερο: Γενικευµένα Γραµµικά Μοντέλα στην SPLUS Οι σηµειώσεις γράφτηκαν από το Γιώργο Τζουγά, υποψήφιο διδάκτορα
Διαβάστε περισσότεραGeneralized additive models in R
www.nr.no Generalized additive models in R Magne Aldrin, Norwegian Computing Center and the University of Oslo Sharp workshop, Copenhagen, October 2012 Generalized Linear Models - GLM y Distributed with
Διαβάστε περισσότεραΕργασία. στα. Γενικευμένα Γραμμικά Μοντέλα
Εργασία στα Γενικευμένα Γραμμικά Μοντέλα Μ. Παρζακώνης ΜΕΣ/ 06015 Ο παρακάτω πίνακας δίνει τα αποτελέσματα 800 αιτήσεων για δάνειο σε μία τράπεζα. Ο πίνακας παρουσιάζει τον αριθμό των δανείων που εγκρίθηκαν,
Διαβάστε περισσότεραStrukturgleichungsmodellierung
Strukturgleichungsmodellierung FoV Methodenlehre FSU-Jena Dipl.-Psych. Norman Rose Strukturgleichungsmodelle mit latenten Variablen Forschungsorientierte Vertiefung - Methodenlehre Dipl.-Psych. Norman
Διαβάστε περισσότεραFunktionsdauer von Batterien in Abhängigkeit des verwendeten Materials und der Umgebungstemperatur
Beispiel: Funktionsdauer von Batterien in Abhängigkeit des verwendeten aterials und der Umgebungstemperatur emp. = 15 emp. = 70 emp. = 125 130 155 34 40 20 70 aterial 1 74 180 80 75 82 58 150 188 136 122
Διαβάστε περισσότεραGeometrische Methoden zur Analyse dynamischer Systeme
Geometrische Methoden zur Analyse dynamischer Systeme Markus Schöberl markus.schoeberl@jku.at Institut für Regelungstechnik und Prozessautomatisierung Johannes Kepler Universität Linz KV Ausgewählte Kapitel
Διαβάστε περισσότεραΛογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Διαβάστε περισσότεραΤο σύστημα των αξιών της ελληνικής κοινωνίας μέσα στα σχολικά εγχειρίδια της Λογοτεχνίας του Δημοτικού Σχολείου
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠ/ΣΗΣ ΔΙΔΑΣΚΑΛΕΙΟ «ΘΕΟΔΩΡΟΣ ΚΑΣΤΑΝΟΣ» Το σύστημα των αξιών της ελληνικής κοινωνίας μέσα στα σχολικά εγχειρίδια της Λογοτεχνίας του Δημοτικού
Διαβάστε περισσότερα3 Lösungen zu Kapitel 3
3 Lösungen zu Kapitel 3 31 Lösungen der Aufgaben zu Abschnitt 31 311 Lösung Die Abbildung D : { R 4 R 4 R 4 R 4 R, a 1, a 2, a 3, a 4 ) D( a 1, a 2, a 3, a 4 ) definiere eine Determinantenform (auf R 4
Διαβάστε περισσότεραJörg Gayler, Lubov Vassilevskaya
Differentialrechnung: Aufgaben Jörg Gayler, Lubov Vassilevskaya ii Inhaltsverzeichnis. Erste Ableitung der elementaren Funktionen......................... Ableitungsregeln......................................
Διαβάστε περισσότεραMATERIALIEN ZUR VORBEREITUNG AUF DIE KLAUSUR INFORMATIK II FÜR VERKEHRSINGENIEURWESEN ANTEIL VON PROF. VOGLER IM WINTERSEMESTER 2011/12
Fakultät Informatik Institut für Angewandte Informatik, Professur Technische Informationssysteme MATERIALIEN ZUR VORBEREITUNG AUF DIE KLAUSUR INFORMATIK II FÜR VERKEHRSINGENIEURWESEN ANTEIL VON PROF. VOGLER
Διαβάστε περισσότεραDirichletReg: Dirichlet Regression for Compositional Data in R
DirichletReg: Dirichlet Regression for Compositional Data in R Marco J. Maier Wirtschaftsuniversität Wien Abstract Full R Code for Maier, M. J. (2014). DirichletReg: Dirichlet Regression for Compositional
Διαβάστε περισσότεραΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ: ΑΣΚΗΣΕΙΣ
ΜΕΜ264: Εφαρμοσμένη Στατιστική 1 ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ: ΑΣΚΗΣΕΙΣ 1. Σε μελέτη της επίδρασης γεωργικών χημικών στην προσρόφηση ιζημάτων και εδάφους, δίνονται στον πιο κάτω πίνακα 13 δεδομένα για το δείκτη
Διαβάστε περισσότεραÜbungen zu Teilchenphysik 2 SS 2008. Fierz Identität. Handout. Datum: 27. 5. 2008. von Christoph Saulder
Übungen zu Teilchenphysik 2 SS 2008 Fierz Identität Handout Datum: 27. 5. 2008 von Christoph Saulder 2 Inhaltsverzeichnis Einleitung 5 2 Herleitung der Matrixelemente 7 2. Ansatz...............................
Διαβάστε περισσότεραKapitel 6 Schweißverbindungen
Kapitel 6 Schweißverbindungen Alle Angaben beziehen sich auf die 19. Auflage Roloff/Matek Maschinenelemente mit Tabellenbuch und die 15. Auflage Roloff/Matek Aufgabensammlung. Das Aufgabenbuch kann man
Διαβάστε περισσότεραFormelsammlung zur sphärischen Trigonometrie
Formelsammlung zur sphärischen Trigonometrie A. Goniometrie A.1. Additionstheoreme für α β für α = β (α ± β) =α cos β ± cos α β ( α) =α cos α cos (α ± β) =cosα cos β β = cos α tan α ± tan β tan (α ± β)
Διαβάστε περισσότεραAuswandern Studieren Studieren - Universität Griechisch Θα ήθελα να εγγραφώ σε πανεπιστήμιο. Angeben, dass man sich einschreiben will Japanisch Θα ήθε
- Universität Θα ήθελα να εγγραφώ σε πανεπιστήμιο. Angeben, dass man sich einschreiben will Θα ήθελα να γραφτώ για. Angeben, dass man sich für einen anmelden möchte ένα προπτυχιακό ένα μεταπτυχιακό ένα
Διαβάστε περισσότεραWeitere Tests bei Normalverteilung
Tests von Hypothesen über den Erwartungswert Bisher: zweiseitiges Testproblem (Zweiseitiger Einstichproben-t-Test) H : μμ gegen H : μ μ Testentscheidung P- Wert: X μ s(x) : Lehne H ab, wenn T(X) N > t
Διαβάστε περισσότεραWenn ihr nicht werdet wie die Kinder...
Wenn ihr nicht werdet wie die Kinder... . Der Memoriam-Garten Schön, dass ich mir keine Sorgen machen muss! Mit dem Memoriam-Garten bieten Ihnen Friedhofsgärtner, Steinmetze
Διαβάστε περισσότεραAufgabe 1 Dreierkette Legt mit den Bild- und Wortkarten eine Dreierkette. Τρεις στη σειρά. Σχηματίστε τριάδες με εικόνες και λέξεις που ταιριάζουν.
Station Luft Aufgabe 1 Dreierkette Legt mit den Bild- und Wortkarten eine Dreierkette. Τρεις στ σειρά. Σχματίστε τριάδες με εικόνες και λέξεις που ταιριάζουν. der Sturm die Windkraftanlage θύελλα οι ανεμογε
Διαβάστε περισσότεραPASSANT A: Ja, guten Tag. Ich suche den Alexanderplatz. Können Sie mir helfen?
03 Για την οδό Kantstraße Η Άννα ξεκινά για την Kantstraße, αλλά καθυστερεί, επειδή πρέπει να ρωτήσει πώς πάνε µέχρι εκεί. Χάνει κι άλλο χρόνο, όταν εµφανίζονται πάλι οι µοτοσικλετιστές µε τα µαύρα κράνη
Διαβάστε περισσότεραEnglish PDFsharp is a.net library for creating and processing PDF documents 'on the fly'. The library is completely written in C# and based
English PDFsharp is a.net library for creating and processing PDF documents 'on the fly'. The library is completely written in C# and based exclusively on safe, managed code. PDFsharp offers two powerful
Διαβάστε περισσότεραEnglish PDFsharp is a.net library for creating and processing PDF documents 'on the fly'. The library is completely written in C# and based
English PDFsharp is a.net library for creating and processing PDF documents 'on the fly'. The library is completely written in C# and based exclusively on safe, managed code. PDFsharp offers two powerful
Διαβάστε περισσότεραDEUTSCHE SCHULE ATHEN ΓΕΡΜΑΝΙΚΗ ΣΧΟΛΗ ΑΘΗΝΩΝ
Herzlich Willkommen zu unserem Elternabend Übergang aus dem Kindergarten in die Vorschule Καλωσορίσατε στη συνάντηση γονέων με θέμα τη μετάβαση από τον παιδικό σταθμό στο νηπιαγωγείο 1 Übergang vom Kindergarten
Διαβάστε περισσότεραΓραµµική Παλινδρόµηση
Κεφάλαιο 8 Γραµµική Παλινδρόµηση Η γραµµική παλινδρόµηση είναι ένα από τα πιο σηµαντικά ϑέµατα της Στατιστική ϑεωρείας. Στη συνέχεια αυτή η πολύ γνωστή µεθοδολογία ϑα αναπτυχθεί στην R µέσω των τύπων για
Διαβάστε περισσότεραÜbung 7 - Verfahren zur Lösung linearer Systeme, Gittereigenschaften
Übung 7 - Verfahren zur Lösung linearer Systeme, Gittereigenschaften Musterlösung C. Baur, M. Schäfer Fachgebiet für Numerische Berechnungsverfahren im Maschinenbau 22.01.2009 TU Darmstadt FNB 22.01.2009
Διαβάστε περισσότεραFragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt
- Allgemeines Μπορώ να κάνω ανάληψη στην [χώρα] χωρίς να πληρώσω προμήθεια; Kann ich in [Land] gebührenfrei Geld abheben? Fragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt Πόσα
Διαβάστε περισσότεραTable 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
Διαβάστε περισσότερα1.1 t Rikon * --- Signif. codes: 0 *** ** 0.01 *
Copyright (c) 004,005 Hidetoshi Shimodaira 1.. 1 1.1 t- 004-10-1 11:4:14 shimo Rikon 0.108355 0.04978.51 0.016136 * --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 Residual standard error: 0.03808
Διαβάστε περισσότεραΕμπορική αλληλογραφία Ηλεκτρονική Αλληλογραφία
- Εισαγωγή Sehr geehrter Herr Präsident, Sehr geehrter Herr Präsident, Εξαιρετικά επίσημη επιστολή, ο παραλήπτης έχει ένα ειδικό τίτλο ο οποίος πρέπει να χρησιμοποιηθεί αντί του ονόματος του Sehr geehrter
Διαβάστε περισσότεραcos(2α) τ xy sin(2α) (7) cos(2(α π/2)) τ xy sin(2(α π/2)) cos(2α) + τ xy sin(2α) (8) (1 + ν) cos(2α) + τ xy (1 + ν) sin(2α) (9)
Festigkeitslehre Lösung zu Aufgabe 11b Grundsätzliches und Vorüberlegungen: Hookesches Gesetz für den zweidimensionalen Spannungszustand: ε = 1 ( ν (1 ε = 1 ( ν ( Die beiden Messwerte ε = ε 1 und ε = ε
Διαβάστε περισσότεραGriechisches Staatszertifikat - Deutsch
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ Griechisches Ministerium für Bildung und Religion Griechisches Staatszertifikat - Deutsch Niveau A1 & A2 Entspricht dem Gemeinsamen
Διαβάστε περισσότεραΓενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση
Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση Γενική μορφή g( E[ Y X ]) Xb Κατανομή της Υ στην εκθετική οικογένεια Ανεξάρτητες παρατηρήσεις Ενας όρος για το σφάλμα g(.) Συνδετική συνάρτηση (link function)
Διαβάστε περισσότερα1. Kapitel I Deskriptive Statistik
V L ÖSUNGEN 1. Kapitel I Deskriptive Statistik = + + = = = = = + = = = + = = = = = = = = + + + + = = + + + + = = = = = + + + + + + + = B. Auer, H. Rottmann, Statistik und Ökonometrie für Wirtschaftswissenschaftler,
Διαβάστε περισσότεραPreisliste AB JUNI 2019
Preisliste AB JUNI 2019 LOVE STORIES Pakete (3H) STATT 690 JETZT 650 - Einmalige Aufnahmepauschale - Brautpaar Shooting inkl. 10 bearbeiteten Bildern digital & mit Abzug bis 15x20cm - Reportage der Trauung
Διαβάστε περισσότεραΕκτίµηση Μη-Γραµµικών Μοντέλων
Κεφάλαιο 16 Εκτίµηση Μη-Γραµµικών Μοντέλων 16.1 Περιγραφή των εδοµένων Τα δεδοµένα που ϑα χρησιµοποιηθούν στο κεφάλαιο αυτό λήφθηκαν από µια δοκιµή µε δέκτη-ορµονών σχετικά µε τον όγκο στο στήθος στους
Διαβάστε περισσότεραAuswandern Wohnen. Wohnen - Mieten. Θα ήθελα να ενοικιάσω ένα. Äußern dass man etwas mieten möchte. δωμάτιο Art der Unterbringung
- Mieten Griechisch Θα ήθελα να ενοικιάσω ένα. Äußern dass man etwas mieten möchte Koreanisch δωμάτιο διαμέρισμα γκαρσονιέρα / στούντιο διαμέρισμα μονοκατοικία ημι-ανεξάρτητο σπίτι σπίτι σε σειρά κατοικιών
Διαβάστε περισσότεραΜπορώ να κάνω ανάληψη στην [χώρα] χωρίς να πληρώσω προμήθεια; Fragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt
- Allgemeines Μπορώ να κάνω ανάληψη στην [χώρα] χωρίς να πληρώσω προμήθεια; Fragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt Πόσα κοστίζει όταν χρησιμοποιώ μηχανές αυτόματης
Διαβάστε περισσότεραCan I withdraw money in [country] without paying fees? Fragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt
- Allgemeines Can I withdraw money in [country] without paying fees? Fragen, ob Gebühren anfallen, wenn man in einem bestimmten Land Geld abhebt What are the fees if I use external ATMs? Μπορώ να κάνω
Διαβάστε περισσότεραDr. Christiane Döll Leiterin Luft & Lärm im Umweltamt
Dr. Christiane Döll Leiterin Luft & Lärm im Umweltamt Dr. Christiane Döll Leiterin Luft & Lärm im Umweltamt Überflug 1.4.2013 05:05 Uhr BR Ost http://casper.umwelthaus.org/dfs/ Dr. Christiane Döll Leiterin
Διαβάστε περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science»
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science» ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Βιοστατιστική: Η περίπτωση της χρήσης της
Διαβάστε περισσότεραGriechisches Staatszertifikat - Deutsch
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ Griechisches Ministerium für Bildung und Religion Griechisches Staatszertifikat - Deutsch Niveau A1 & A2 Entspricht dem Gemeinsamen
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Διαβάστε περισσότεραAuswandern Dokumente Dokumente - Allgemeines Griechisch Koreanisch Dokumente - Persönliche Informationen
- Allgemeines Πού μπορώ να βρω τη φόρμα για ; Fragen wo man ein Formular findet Πότε εκδόθηκε το [έγγραφο] σας; Fragen wann ein Dokument ausgestellt wurde Πού εκδόθηκε το [έγγραφο] σας; Fragen wo ein Dokument
Διαβάστε περισσότεραHauptseminar Mathematische Logik Pcf Theorie (S2A2) Das Galvin-Hajnal Theorem
Hauptseminar Mathematische Logik Pcf Theorie (S2A2) Das Galvin-Hajnal Theorem Jonas Fiege 21 Juli 2009 1 Theorem 1 (Galvin-Hajnal [1975]) Sei ℵ α eine singuläre, starke Limes-Kardinalzahl mit überabzählbarer
Διαβάστε περισσότεραMATHACHij = γ00 + u0j + rij
Stata output for Hierarchical Linear Models. ***************************************. * Unconditional Random Intercept Model. *************************************** MATHACHij = γ00 + u0j + rij. mixed
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ
+ ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΕΠΙΔΡΑΣΗ ΤΩΝ ΚΑΙΡΙΚΩΝ ΣΥΝΘΗΚΩΝ ΣΤΑ ΟΔΙΚΑ ΑΤΥΧΗΜΑΤΑ Μαρία-Χριστίνα Νικολάου Πολυκρέτη ΕΡΓΑΣΙΑ Που υποβλήθηκε στο Τμήμα Στατιστικής του Οικονομικού Πανεπιστημίου
Διαβάστε περισσότεραΕΡΓΑΖΟΜΕΝΩΝ Bildung älterer Arbeitnehmer
ΚΑΤΑΡΤΙΣΗ ΩΡΙΜΩΝ ΕΡΓΑΖΟΜΕΝΩΝ Bildung älterer Arbeitnehmer Kassandra Teliopoulos IEKEP 06/03/06 ΜΕΡΙΚΑ ΣΗΜΕΙΑ ΚΛΕΙΔΙΑ Einige Gedankenansätze!Στις περισσότερες χώρες μέλη της Ε.Ε. μεγάλης ηλικίας εργαζόμενοι
Διαβάστε περισσότεραDEUTSCHE SCHULE ATHEN ΓΕΡΜΑΝΙΚΗ ΣΧΟΛΗ ΑΘΗΝΩΝ
Herzlich Willkommen zu unserem Elternabend Übergang aus dem Elternhaus in den Kindergarten Καλωσορίσατε στη συνάντηση γονέων με θέμα τη μετάβαση από το οικογενειακό περιβάλλον στο προνηπιακό τμήμα 1 Überblick
Διαβάστε περισσότεραKulturgeschichte II. Thematische Einheit Nr.9: Das geeinte Deutschland
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Thematische Einheit Nr.9: Das geeinte Deutschland Prof. Dr. Eleni Georgopoulou und Prof. Dr. Ioannis Pagkalos Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότερα22 είκοσι δύο. Κύπρος. Ελλάδα. Ελβετία. Αυστρία. Γερμανία. Από πού είσαι; Είμαι από τη Γερμανία. Εσύ; Από την Κύπρο. Από πού είσαι; Είμαι από
3 τρί 1. μάθμα Wie heißen die Länder auf Griechisch? Bitte verbinden Sie die Namen mit den richtigen Zeichnungen. Hören Sie dann die Ländernamen und sprechen Sie sie nach. 1.18 Ελλάδα Αυστρία Κύπρος Ελβετία
Διαβάστε περισσότεραΑνάλυση της ιακύµανσης
Κεφάλαιο 9 Ανάλυση της ιακύµανσης Η ανάλυση της διακύµανσης είναι µια από τις πλέον σηµαντικές µεθόδους για ανάλυση δεδοµένων. Η µέθοδος αυτή αναφέρετε στη διαµέριση του συνολικού αθροίσµατος τετραγώνων
Διαβάστε περισσότεραΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ HÖRVERSTEHEN. Mai 2012
ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ Griechisches Ministerium für Bildung, Lebenslanges Lernen und Religionsangelegenheiten Griechisches Staatszertifikat
Διαβάστε περισσότεραSupplementary figures
A Supplementary figures a) DMT.BG2 0.87 0.87 0.72 20 40 60 80 100 DMT.EG2 0.93 0.85 20 40 60 80 EMT.MG3 0.85 0 20 40 60 80 20 40 60 80 100 20 40 60 80 100 20 40 60 80 EMT.G6 DMT/EMT b) EG2 0.92 0.85 5
Διαβάστε περισσότεραTechnisches Handbuch. Pergola Top Star 120X70. metaform Bescha ungssysteme
02 Technisches Handbuch Pergola Top Star 120X70 Exklusiv von Metaform ΑVΕΕ entworfen, ist es die Innova on bei der professionellen Bescha ung, denn das wegweisende Hebesystem erlaubt es Ihnen, sie an jeder
Διαβάστε περισσότεραἀξιόω! στερέω! ψεύδομαι! συγγιγνώσκω!
Assimilation νλ λλ νμ μμ νβ/νπ/νφ μβ/μπ/μφ νγ/νκ/νχ γγ/γκ/γχ attisches Futur bei Verben auf -ίζω: -ιῶ, -ιεῖς, -ιεῖ usw. Dehnungsaugment: ὠ- ὀ- ἠ- ἀ-/ἐ- Zur Vorbereitung die Stammveränderungs- und Grundformkarten
Διαβάστε περισσότεραMission Berlin. Deutsch lernen und unterrichten Arbeitsmaterialien. Mission Berlin 22 Έλα τώρα, κουνήσου
22 Έλα τώρα, κουνήσου Η Άννα µεταφέρεται στο Βερολίνο του έτους 1989, όπου κυριαρχεί ο ενθουσιασµός για την πτώση του Τείχους. Πρέπει να περάσει µέσα από το πλήθος και να πάρει τη θήκη. Θα τα καταφέρει;
Διαβάστε περισσότεραMission Berlin. Deutsch lernen und unterrichten Arbeitsmaterialien. Mission Berlin 26 Πειράµατα µε τον χρόνο
26 Πειράµατα µε τον χρόνο Επιστρέφοντας στο παρόν η Άννα προσπαθεί να µπλοκάρει τη µηχανή του χρόνου, αλλά δεν έχει τον κωδικό. Η γυναίκα µε τα κόκκινα εµφανίζεται. Θα χαλάσει η «αρχηγός» τα σχέδια της
Διαβάστε περισσότεραBiostatistics for Health Sciences Review Sheet
Biostatistics for Health Sciences Review Sheet http://mathvault.ca June 1, 2017 Contents 1 Descriptive Statistics 2 1.1 Variables.............................................. 2 1.1.1 Qualitative........................................
Διαβάστε περισσότεραKlausur Strömungsmechanik II Dichte des Fluids ρ F. Viskosität des Fluids η F. Sinkgeschwindigkeit v s. Erdbeschleunigung g
Name, Matr-Nr, Unterschrift) Klausur Strömungsmechanik II 3 8 Aufgabe a) Einflussgrößen: Partikeldurchmesser d P Partikeldichte ρ P Dichte des Fluids ρ F Viskosität des Fluids η F Sinkgeschwindigkeit v
Διαβάστε περισσότεραTafeln für Erddruck- und Erdwiderstandsbeiwerte für ebene Gleitflächen
Bergische Universität Wuppertal Lehr- und Forschungsgebiet Geotechnik Bodenmechanik Tafeln für Erddruck- und Erdwiderstandsbeiwerte für ebene Gleitflächen Bergische Universität Wuppertal Lehr- und Forschungsgebiet
Διαβάστε περισσότερα1. Εισαγωγή...σελ Δεδομένα της εργασίας...σελ Μεθοδολογία...σελ Ανάλυση των δεδομένων.σελ Συγκριτικά αποτελέσματα..σελ.
Περιεχόμενα 1. Εισαγωγή...σελ. 2 2. Δεδομένα της εργασίας......σελ. 3 3. Μεθοδολογία......σελ. 6 4. Ανάλυση των δεδομένων.σελ.13 5. Συγκριτικά αποτελέσματα..σελ.20 6. Συμπεράσματα.....σελ.20 7. Παράρτημα
Διαβάστε περισσότερα4.4 Kreiszylinderschale und Kugelschale
Flächentrgwerke - WS 05/06 4.4 Kreiszylinderschle und Kugelschle 4.4. Kreiszylinderschle 4.4.. Biegetheorie 4.4.. embrntheorie 4.4..3 Behältertheorie und Rndstörprobleme 4.4. Kugelschle 4.4.. Biegetheorie
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 28 Μαρτίου /36
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 28 Μαρτίου 2017 1/36 Πολλαπλή Γραμμική Παλινδρόμηση. Σε αρκετά προβλήματα η μεταβλητή απόκρισης
Διαβάστε περισσότεραIntersection Types. Matthias Putz. Sommersemester 2011
Intersection TU-München Sommersemester 2011 Themen Zusammenfassung Anwendungsbeispiel 1: chars Programmiersprache C: signed und unsigned chars Wertebereiche: signed char: [ 128, +127] unsigned char: [0,
Διαβάστε περισσότεραAuswandern Dokumente. Dokumente - Allgemeines. Fragen wo man ein Formular findet. Fragen wann ein Dokument ausgestellt wurde
- Allgemeines Πού μπορώ να βρω τη φόρμα για ; Fragen wo man ein Formular findet Πότε εκδόθηκε το [έγγραφο] σας; Fragen wann ein Dokument ausgestellt wurde Πού εκδόθηκε το [έγγραφο] σας; Fragen wo ein Dokument
Διαβάστε περισσότεραAuswandern Dokumente. Dokumente - Allgemeines. Dokumente - Persönliche Informationen. Fragen wo man ein Formular findet
- Allgemeines Πού μπορώ να βρω τη φόρμα για ; Fragen wo man ein Formular findet Πότε εκδόθηκε το [έγγραφο] σας; Fragen wann ein Dokument ausgestellt wurde Πού εκδόθηκε το [έγγραφο] σας; Fragen wo ein Dokument
Διαβάστε περισσότερα*1 +3*1 - +3*1. - Ideen zu einer reinen Phänomenologie und Phänomenologischen Philosophie. Zweites Buch., Husserliana
+3*1 + +3+- + +3*1, +3*+/+3*, +3*1 / 0 +3*1 +3*1 - +3*1 + Ideen zu einer reinen Phänomenologie und Phänomenologischen Philosophie. Erstes Buch., Husserliana Bd III., +3/*, +/* I-II +32. +/*, Ding und Raum
Διαβάστε περισσότεραBohrbild im Längsholz. Einstellbereich
Montageanleitung/Construction Manual GIGANT 120 Fräsbild Art. Nr. K051 a=h x 0,7 im Längsholz Bauzugelassene Holzbauverbindung im Hirnholz 26,5 ±0,25 40 +2-0 h a + 47 Schraubenbild im Längsholz Schraubenbild
Διαβάστε περισσότεραFLOTT 2 - LEKTION 1. 1 η. S. 8, Hallo, da sind wir wieder: S. 11, Grammatik - Wiederholung 2 η ώρα S. 9 Hörverstehen 1
FLOTT 2 Πλάνο διδασκαλίας* ιδασκαλία σε φροντιστήριο ή ιδιαίτερο µάθηµα : 4 ώρες την εβδοµάδα Σύνολο ωρών ετησίως κατά προσέγγιση: 120-130 (32 εβδοµάδες) Κάθε κεφάλαιο θα πρέπει να διδάσκεται σε συνολικά
Διαβάστε περισσότεραΕμπορική αλληλογραφία Ηλεκτρονική Αλληλογραφία
- Εισαγωγή ελληνικά Αξιότιμε κύριε Πρόεδρε, γερμανικά Sehr geehrter Herr Präsident, Εξαιρετικά επίσημη επιστολή, ο παραλήπτης έχει ένα ειδικό τίτλο ο οποίος πρέπει να χρησιμοποιηθεί αντί του ονόματος του
Διαβάστε περισσότεραGriechische und römische Rechtsgeschichte
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Griechische und römische Rechtsgeschichte Ενότητα 5: die Spartanische Verfassung Παπακωνσταντίνου Καλλιόπη Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραBewerbung Zeugnis. Zeugnis - Einleitung. Formell, männlicher Empfänger, Name unbekannt. Formell, weibliche Empfängerin, Name unbekannt
- Einleitung Αγαπητέ κύριε, Formell, männlicher Empfänger, Name unbekannt Αγαπητή κυρία, Formell, weibliche Empfängerin, Name unbekannt Αγαπητέ κύριε, Αγαπητή κυρία, Αγαπητέ κύριε/κύρια, Αγαπητέ κύριε/κύρια,
Διαβάστε περισσότεραRotationen und Translationen
Astrophysikalisches Institut Neunhof Mitteilung sd97211, Januar 2010 1 Rotationen und Translationen Eigentliche Drehungen, Spiegelungen, und Translationen von Kartesischen Koordinaten-Systemen und Kugelkoordinaten-Systemen
Διαβάστε περισσότερα1. Βρες το σωστό αντικείμενο και συμπλήρωσε το σε αιτιατική. 2. Μπορείς να το πεις κι αλλιώς. Χρησιμοποίησε τα ρήματα schmecken και gefallen
Name: Datum: Klasse: Note: 1. Βρες το σωστό αντικείμενο και συμπλήρωσε το σε αιτιατική eine Torte, eine Limonade, die Blumen, der Arzt, die Tür, der Schulbus a) Peter ist krank. Seine Mutter ruft an. b)
Διαβάστε περισσότερα. Zeit: Synoptische Betrachtung # αβ αα a) Allgemeine Abkürzungen Abkürzung Ausführung/Bedeutung AOGCM/GCM (atmosphärisch-ozeanisch gekoppeltes) globales Zirkulations-/Klimamodell (engl.: (atmosphere
Διαβάστε περισσότεραSupplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Διαβάστε περισσότεραGriechisches Staatszertifikat - Deutsch
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ Griechisches Ministerium für Bildung und Religion Griechisches Staatszertifikat - Deutsch NIVEAU B1 Entspricht dem Gemeinsamen
Διαβάστε περισσότερα18. Normale Endomorphismen
18. Normale Endomorphismen 18.1. Die adjungierte lineare Abbildung Seien V, W K-Vektorräume mit Skalarprodukt, V,, W Lemma: Sei φ Hom(V, W ). Falls Ψ Hom(W, V ) mit der Eigenschaft so ist Ψ hierdurch eindeutig
Διαβάστε περισσότεραLecture 7: Overdispersion in Poisson regression
Lecture 7: Overdispersion in Poisson regression Claudia Czado TU München c (Claudia Czado, TU Munich) ZFS/IMS Göttingen 2004 0 Overview Introduction Modeling overdispersion through mixing Score test for
Διαβάστε περισσότερα519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008
.. ( ) 2008 519.22(07.07) 78 : ( ) /.. ;. : -, 2008. 38 c. ( ) STATISTICA.,. STATISTICA.,. 519.22(07.07),.., 2008.., 2008., 2008 2 ... 4 1...5...5 2...14...14 3...27...27 3 ,, -. " ", :,,,... STATISTICA.,,,.
Διαβάστε περισσότεραSECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Διαβάστε περισσότερα4K HDMI Splitter 1x4. User s Guide / Bedienungsanleitung / Εγχειρίδιο Χρήστη
4K HDMI Splitter 1x4 User s Guide / Bedienungsanleitung / Εγχειρίδιο Χρήστη INTRODUCTION The EDISION 4K HDMI Splitter 1x4 uses a single HDMI input source, to distribute it to 4 HDMI outputs. The splitter
Διαβάστε περισσότεραΑνάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Εφαρμογών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή στη
Διαβάστε περισσότεραHessisches Kultusministerium. Schulbücherkatalog. für den Unterricht in Herkunftssprachen in Verantwortung des Landes Hessen.
Hessisches Kultusministerium Schulbücherkatalog für den Unterricht in Herkunftssprachen in Verantwortung des Landes Hessen Schuljahr 2013/2014 Unterrichtsmaterialien, die im uftrag des Hessischen Kultusministeriums
Διαβάστε περισσότεραNiveau A1 & A2 PHASE 3 ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ ΥΠΟΥΡΓΕΙΟ ΠΑΙ ΕΙΑΣ, ΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ
ΥΠΟΥΡΓΕΙΟ ΠΑΙ ΕΙΑΣ, ΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΚΡΑΤΙΚΟ ΠΙΣΤΟΠΟΙΗΤΙΚΟ ΓΛΩΣΣΟΜΑΘΕΙΑΣ Griechisches Ministerium für Bildung, Lebenslanges Lernen und Religionsangelegenheiten Griechisches Staatszertifikat
Διαβάστε περισσότερα(i) Περιγραφική ανάλυση των μεταβλητών PRICE
Με τις εντολές > data fdata names(fdata)=c("price", "SQFT",
Διαβάστε περισσότεραBayesian statistics. DS GA 1002 Probability and Statistics for Data Science.
Bayesian statistics DS GA 1002 Probability and Statistics for Data Science http://www.cims.nyu.edu/~cfgranda/pages/dsga1002_fall17 Carlos Fernandez-Granda Frequentist vs Bayesian statistics In frequentist
Διαβάστε περισσότεραMultilevel models for analyzing people s daily moving behaviour
Multilevel models for analyzing people s daily moving behaviour Matteo BOTTAI 1 Nicola SALVATI 2 Nicola ORSINI 3 13th European Colloquium on Theoretical and Quantitative Geography Lucca 5th - 9th September,
Διαβάστε περισσότεραα + ω 0 2 = 0, Lösung: α 1,2
SDOFs Der lineare Einmassenschwinger Bewegungsgleichung m x + c x + k x = f () = p()...krafanregung m x g ()...Weganregung x + ζω x + ω x = f () m, ω = k m, ζ = c mk... Lehr'sches Dämpfungsmaß AB : x(
Διαβάστε περισσότεραΗ προβληματική της Protention στη φαινομενολογία του χρόνου του Husserl
Πανεπιστήμιο Πατρών Σχολή Ανθρωπιστικών και Κοινωνικών Επιστημών Τμήμα Φιλοσοφίας Πρόγραμμα Μεταπτυχιακών Σπουδών Η προβληματική της Protention στη φαινομενολογία του χρόνου του Husserl Διπλωματική Εργασία
Διαβάστε περισσότεραΕμπορική αλληλογραφία Επιστολή
- Διεύθυνση Mr. J. Rhodes Rhodes & Rhodes Corp. 212 Silverback Drive California Springs CA 92926 Mr. J. Rhodes Rhodes & Rhodes Corp. 212 Silverback Drive California Springs CA 92926 Αμερικανική γραφή διεύθυνσης:
Διαβάστε περισσότεραΑνάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Αναπληρωτής Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Εφαρμογών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή
Διαβάστε περισσότεραPlanheizkörper Carat 5.5. Planheizkörper Typ 11, 20, 21, 22, 33 und Typ 10, 11, 20 und 21 Vertikal /2013
Planheizkörper Typ 11, 20, 21, 22 und Typ 10, 11, 20 und 21 Vertikal Planheizkörper Typ 11, 20, 21, 22, 33 und Typ 10, 11, 20 und 21 Vertikal Ein- bis dreilagig, Bauhöhen 250, 400, 550 und λ50 mm Anschlussmuffen
Διαβάστε περισσότεραQueensland University of Technology Transport Data Analysis and Modeling Methodologies
Queensland University of Technology Transport Data Analysis and Modeling Methodologies Lab Session #7 Example 5.2 (with 3SLS Extensions) Seemingly Unrelated Regression Estimation and 3SLS A survey of 206
Διαβάστε περισσότερα