http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?action=history&feed=atom&title=Statistische_Modelle 2026-05-15T15:14:17Z Versionsgeschichte dieser Seite in eLearning - Methoden der Psychologie - TU Dresden MediaWiki 1.38.2 http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=5780&oldid=prev 2022-02-13T21:17:45Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 13. Februar 2022, 23:17 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l49">Zeile 49:</td> <td colspan="2" class="diff-lineno">Zeile 49:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Parameterwerte: U(x) = 5; k= &amp;delta; = 0.8; &amp;beta; = 0.7</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Parameterwerte: U(x) = 5; k= &amp;delta; = 0.8; &amp;beta; = 0.7</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>[[Datei:Statistische_Modelle_6.png|700px|link=Ausgelagerte_Bildbeschreibungen#<del style="font-weight: bold; text-decoration: none;">Eliminativer_Materialismus</del>|Ausgelagerte Bildbeschreibung von <del style="font-weight: bold; text-decoration: none;">Materialismus</del>]] &lt;br /&gt;</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>[[Datei:Statistische_Modelle_6.png|700px|link=Ausgelagerte_Bildbeschreibungen#<ins style="font-weight: bold; text-decoration: none;">Beispiel Statistische Modelle</ins>|Ausgelagerte Bildbeschreibung von <ins style="font-weight: bold; text-decoration: none;">Beispiel Statistische Modelle</ins>]] &lt;br /&gt;</div></td></tr> </table>

Paul http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=5779&oldid=prev 2022-02-13T21:17:31Z

<p>Beispiel Statistische Modelle link einfügen pb</p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 13. Februar 2022, 23:17 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l49">Zeile 49:</td> <td colspan="2" class="diff-lineno">Zeile 49:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Parameterwerte: U(x) = 5; k= &amp;delta; = 0.8; &amp;beta; = 0.7</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Parameterwerte: U(x) = 5; k= &amp;delta; = 0.8; &amp;beta; = 0.7</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>[[Datei:Statistische_Modelle_6.png|700px]] &lt;br /&gt;</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>[[Datei:Statistische_Modelle_6.png|700px<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Bildbeschreibungen#Eliminativer_Materialismus|Ausgelagerte Bildbeschreibung von Materialismus</ins>]] &lt;br /&gt;</div></td></tr> </table>

Paul http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4942&oldid=prev 2021-11-10T16:50:21Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:50 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l39">Zeile 39:</td> <td colspan="2" class="diff-lineno">Zeile 39:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png|link=<del style="font-weight: bold; text-decoration: none;">Ausgelagerte_Formel</del>#Quasi-hyperbolisches Discounting t = 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png|link=<ins style="font-weight: bold; text-decoration: none;">Ausgelagerte_Formeln</ins>#Quasi-hyperbolisches Discounting t = 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0]]</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png|link=<del style="font-weight: bold; text-decoration: none;">Ausgelagerte_Formel</del>#Quasi-hyperbolisches Discounting t &gt; 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t &gt; 0]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png|link=<ins style="font-weight: bold; text-decoration: none;">Ausgelagerte_Formeln</ins>#Quasi-hyperbolisches Discounting t &gt; 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t &gt; 0]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4941&oldid=prev 2021-11-10T16:49:50Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:49 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l40">Zeile 40:</td> <td colspan="2" class="diff-lineno">Zeile 40:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t = 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t = 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0]]</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t &gt; 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t <del style="font-weight: bold; text-decoration: none;">= </del>0]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t &gt; 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t <ins style="font-weight: bold; text-decoration: none;">&gt; </ins>0]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4940&oldid=prev 2021-11-10T16:48:58Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:48 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l39">Zeile 39:</td> <td colspan="2" class="diff-lineno">Zeile 39:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Das Modell des quasi-hyperbolischen Discountings ermittelt den subjektiven Wert einer verzögerten Belohnung mithilfe des Wertes, den die Belohnung hätte, wenn sie sofort verfügbar wäre, vermindert um zwei Faktoren: die exponentielle Abwertung &amp;delta;, welche die Verminderung des Wertes um einen fixen Anteil für jeden Zeitschritt, den die Belohnung weiter in die Zukunft verschoben wird, darstellt und einen Parameter β, welcher eine überproportionale Gewichtung sofortiger Belohnung integriert. Dabei erfolgt eine Verminderung des subjektiven Wertes aller zukünftigen Belohnungen um den gleichen konstanten Prozentsatz β. Der subjektive Wert einer Belohnung berechnet sich somit mittels folgender Formeln:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: für t = 0: [[Datei:Statistische_Modelle_4.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t = 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0</ins>]]</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: für t &gt; 0: [[Datei:Statistische_Modelle_5.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formel#Quasi-hyperbolisches Discounting t &gt; 0|Ausgelagerte Formel für subjektiver Wert einer Belohnung für t = 0</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Gilt &amp;beta; = 1 entspricht dieses Modell somit dem exponentiellen Discounting.</div></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4938&oldid=prev 2021-11-10T16:41:07Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:41 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l29">Zeile 29:</td> <td colspan="2" class="diff-lineno">Zeile 29:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formeln#Hyperboloid Modell|Ausgelagerte Formel Hyperboloid Modell</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4937&oldid=prev 2021-11-10T16:38:44Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:38 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l29">Zeile 29:</td> <td colspan="2" class="diff-lineno">Zeile 29:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png<del style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formeln#Hyperboloid Modell|Ausgelagerte Formel Hyperboloid Modell</del>]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4935&oldid=prev 2021-11-10T16:36:36Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:36 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l27">Zeile 27:</td> <td colspan="2" class="diff-lineno">Zeile 27:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Der subjektive Wert einer Belohnung beim hyperbolischen Discounting berechnet sich folgendermaßen:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Der subjektive Wert einer Belohnung beim hyperbolischen Discounting berechnet sich folgendermaßen:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png|link=Ausgelagerte_Formeln#<del style="font-weight: bold; text-decoration: none;">Hyperbolisches Discounting</del>|Ausgelagerte Formel <del style="font-weight: bold; text-decoration: none;">Hyperbolisches Discounting</del>]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png|link=Ausgelagerte_Formeln#<ins style="font-weight: bold; text-decoration: none;">Hyperboloid Modell</ins>|Ausgelagerte Formel <ins style="font-weight: bold; text-decoration: none;">Hyperboloid Modell</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4934&oldid=prev 2021-11-10T16:34:29Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:34 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l29">Zeile 29:</td> <td colspan="2" class="diff-lineno">Zeile 29:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_2.png]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Den sogenannten Diskontierungsfaktor stellt dabei der Parameter k dar. Der subjektive Wert der Belohnung nimmt nach dieser Funktion mit zunehmend kleineren Prozentanteilen ab, je größer die Zeitspanne bis zum Erhalt der Belohnung ist. Verschiedene Studien konnten zeigen, dass dieses Modell besser in der Lage ist, empirische Daten zu modellieren. Die Verwendung des exponentiellen Modells überschätzt den subjektiven Wert einer Belohnung nach kurzen Zeitintervallen und unterschätzt deren Wert nach längeren Intervallen. Eine Weiterentwicklung des hyperbolischen Modells stellt das '''''Hyperboloid Modell''''' dar. Dabei wird der Nenner des Bruchs der Gleichung potenziert:</div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_3.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formeln#Hyperbolisches Discounting|Ausgelagerte Formel Hyperbolisches Discounting</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Dieses allgemeinere Modell ist oftmals in der Lage, die vorliegenden Daten noch besser abzubilden – zu fitten.</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> </table>

Josefine http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Modelle&diff=4932&oldid=prev 2021-11-10T16:27:58Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 10. November 2021, 18:27 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l21">Zeile 21:</td> <td colspan="2" class="diff-lineno">Zeile 21:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Beim exponentiellen Discounting ergibt sich der subjektive Wert einer Belohnung durch die folgende Gleichung:  </div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>: Beim exponentiellen Discounting ergibt sich der subjektive Wert einer Belohnung durch die folgende Gleichung:  </div></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_1.png]]</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>: [[Datei:Statistische_Modelle_1.png<ins style="font-weight: bold; text-decoration: none;">|link=Ausgelagerte_Formeln#Exponentielles Discounting|Ausgelagerte Formel Exponentielles Discounting</ins>]]</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>:  DU(x,t) steht dabei für den subjektiven Wert der Belohnung x nach einer Zeitspanne t, U(x) ist der absolute Betrag der Belohnung und &amp;delta; entspricht einem Parameter, welcher das Ausmaß der Abwertung beschreibt. Für t wird in die Formel die Zeitspanne bis zum Erhalt der Belohnung eingesetzt. Nach dieser Funktion nimmt der subjektive Wert mit jeder schrittweisen Vergrößerung der Zeitspanne, bis zum Erhalt der Belohnung, um einen festen Prozentanteil ab.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>:  DU(x,t) steht dabei für den subjektiven Wert der Belohnung x nach einer Zeitspanne t, U(x) ist der absolute Betrag der Belohnung und &amp;delta; entspricht einem Parameter, welcher das Ausmaß der Abwertung beschreibt. Für t wird in die Formel die Zeitspanne bis zum Erhalt der Belohnung eingesetzt. Nach dieser Funktion nimmt der subjektive Wert mit jeder schrittweisen Vergrößerung der Zeitspanne, bis zum Erhalt der Belohnung, um einen festen Prozentanteil ab.</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br/></td></tr> </table>

Josefine