Lösungen Lern- und Praxismaterialien: Quantitative Methoden - Versionsgeschichte

Rene.walser am 13. Juli 2022 um 11:49 Uhr

2022-07-13T11:49:36Z

← Nächstältere Version		Version vom 13. Juli 2022, 13:49 Uhr
Zeile 4:		Zeile 4:
	! !! Aussage !! Richtig !! Falsch !! Korrektur		! !! Aussage !! Richtig !! Falsch !! Korrektur
	\|-		\|-
	\| a) \|\| Für die Berechnung des gleitenden Durchschnitts ~~werden~~ zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|		\| a) \|\| Für die Berechnung des gleitenden Durchschnitts wird zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|
	\|-		\|-
	\| b) \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.		\| b) \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.

Furrer.nicole am 10. Mai 2022 um 17:09 Uhr

2022-05-10T17:09:54Z

← Nächstältere Version		Version vom 10. Mai 2022, 19:09 Uhr
Zeile 8:		Zeile 8:
	\| b) \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.		\| b) \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.
	\|-		\|-
	\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für ~~die~~ zukünftige ~~Absatzmenge~~ herzuleiten. \|\| \|\| x \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für ~~die~~ zukünftige ~~Absatzmenge~~ herzuleiten.		\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für zukünftige Planungen herzuleiten. \|\| \|\| x \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für zukünftige Planungen herzuleiten.
	\|-		\|-
	\| d) \|\| Bei dem gewichteten gleitenden Durchschnitt werden die IST-~~Absatzmengen~~ in den einzelnen Monaten unterschiedlich gewichtet.\|\| x \|\| \|\|		\| d) \|\| Bei dem gewichteten gleitenden Durchschnitt werden die IST-Mengen in den einzelnen Monaten unterschiedlich gewichtet.\|\| x \|\| \|\|
	\|}		\|}

	b) Für welche Fragestellungen kann die Regressionsanalyse herangezogen werden?		b) Für welche Fragestellungen kann die Regressionsanalyse herangezogen werden?

	- Wie verhält sich die ~~Absatzmenge~~ (abhängige Variable), wenn sich der Preis (erste unabhängige Variable) erhöht oder gesenkt wird und die Marketingausgaben (zweite unabhängige Variable) erhöht oder gesenkt werden?		- Wie verhält sich die Menge (abhängige Variable), wenn sich der Preis (erste unabhängige Variable) erhöht oder gesenkt wird und die Marketingausgaben (zweite unabhängige Variable) erhöht oder gesenkt werden?

	- Welche unabhängige Variable hat den grössten Einfluss auf die ~~Absatzplanung~~?		- Welche unabhängige Variable hat den grössten Einfluss auf die Planung?

	Aufgaben: [[Quantitative Methoden - Verständnisfragen & Quiz]] <br />		Aufgaben: [[Quantitative Methoden - Verständnisfragen & Quiz]] <br />
	Grundlagen: [[Quantitative Methoden]]		Grundlagen: [[Quantitative Methoden]]

Furrer.nicole am 10. Mai 2022 um 15:53 Uhr

2022-05-10T15:53:39Z

← Nächstältere Version		Version vom 10. Mai 2022, 17:53 Uhr
Zeile 6:		Zeile 6:
	\| a) \|\| Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|		\| a) \|\| Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|
	\|-		\|-
	\| b) \|\| Die ~~multible~~ Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die ~~multible~~ Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.		\| b) \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multiple Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.
	\|-		\|-
	\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. \|\| \|\| x \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten.		\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. \|\| \|\| x \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten.

Kretzschmar.fabienne am 9. Mai 2022 um 21:04 Uhr

2022-05-09T21:04:43Z

← Nächstältere Version		Version vom 9. Mai 2022, 23:04 Uhr
Zeile 1:		Zeile 1:
	~~Verständisfragen & Quiz=~~
	a) Entscheiden Sie durch Ankreuzen, ob folgenden Aussagen richtig oder falsch sind. Korrigieren Sie falsche Aussagen.		a) Entscheiden Sie durch Ankreuzen, ob folgenden Aussagen richtig oder falsch sind. Korrigieren Sie falsche Aussagen.

Kretzschmar.fabienne am 9. Mai 2022 um 21:04 Uhr

2022-05-09T21:04:16Z

← Nächstältere Version		Version vom 9. Mai 2022, 23:04 Uhr
Zeile 19:		Zeile 19:

	- Welche unabhängige Variable hat den grössten Einfluss auf die Absatzplanung?		- Welche unabhängige Variable hat den grössten Einfluss auf die Absatzplanung?

			Aufgaben: [[Quantitative Methoden - Verständnisfragen & Quiz]] <br />
			Grundlagen: [[Quantitative Methoden]]

Kretzschmar.fabienne am 9. Mai 2022 um 21:02 Uhr

2022-05-09T21:02:44Z

← Nächstältere Version		Version vom 9. Mai 2022, 23:02 Uhr
Zeile 7:		Zeile 7:
	\| a) \|\| Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|		\| a) \|\| Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. \|\| x \|\| \|\|
	\|-		\|-
	\| b) \|\| Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen. \|\|		\| b) \|\| Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. \|\| \|\| x \|\| Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen.
	\|-		\|-
	\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. \|\| \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. \|\|		\| c) \|\| Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. \|\| \|\| x \|\| Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten.
	\|-		\|-
	\| d) \|\| Bei dem gewichteten gleitenden Durchschnitt werden die IST-Absatzmengen in den einzelnen Monaten unterschiedlich gewichtet.\|\| x \|\| \|\|		\| d) \|\| Bei dem gewichteten gleitenden Durchschnitt werden die IST-Absatzmengen in den einzelnen Monaten unterschiedlich gewichtet.\|\| x \|\| \|\|

Kretzschmar.fabienne: Die Seite wurde neu angelegt: „Verständisfragen & Quiz= a) Entscheiden Sie durch Ankreuzen, ob folgenden Aussagen richtig oder falsch sind. Korrigieren Sie falsche Aussagen. {| class="wikitable" style="margin:auto" ! !! Aussage !! Richtig !! Falsch !! Korrektur |- | a) || Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. || x || || |- | b) || Die multible Regressionsanalyse zeigt die Beziehung zwi…“

2022-05-09T21:02:07Z

Die Seite wurde neu angelegt: „Verständisfragen & Quiz= a) Entscheiden Sie durch Ankreuzen, ob folgenden Aussagen richtig oder falsch sind. Korrigieren Sie falsche Aussagen. {| class="wikitable" style="margin:auto" ! !! Aussage !! Richtig !! Falsch !! Korrektur |- | a) || Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. || x || || |- | b) || Die multible Regressionsanalyse zeigt die Beziehung zwi…“

Neue Seite

Verständisfragen & Quiz=
a) Entscheiden Sie durch Ankreuzen, ob folgenden Aussagen richtig oder falsch sind. Korrigieren Sie falsche Aussagen.

{| class="wikitable" style="margin:auto"
! !! Aussage !! Richtig !! Falsch !! Korrektur
|-
| a) || Für die Berechnung des gleitenden Durchschnitts werden zum Beispiel auf die Absätze von diversen vergangenen Monaten zurückgegriffen. || x || ||
|-
| b) || Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei abhängigen und einer unabhängigen Variablen. || || Die multible Regressionsanalyse zeigt die Beziehung zwischen mindestens zwei unabhängigen und einer abhängigen Variablen. ||
|-
| c) || Der gewichtete gleitende Durchschnitt eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. || || Das ARIMA Modell eignet sich, um stationäre vergangenheitsbasierte Zeitreihen analysieren zu können, um so mathematisch Prognosen für die zukünftige Absatzmenge herzuleiten. ||
|-
| d) || Bei dem gewichteten gleitenden Durchschnitt werden die IST-Absatzmengen in den einzelnen Monaten unterschiedlich gewichtet.|| x || ||
|}

b) Für welche Fragestellungen kann die Regressionsanalyse herangezogen werden?

- Wie verhält sich die Absatzmenge (abhängige Variable), wenn sich der Preis (erste unabhängige Variable) erhöht oder gesenkt wird und die Marketingausgaben (zweite unabhängige Variable) erhöht oder gesenkt werden?

- Welche unabhängige Variable hat den grössten Einfluss auf die Absatzplanung?