@@ -160,8 +160,29 @@ Treffen wir zusätzlich noch quantitative Modellannahmen für das Beispiel:
...
@@ -160,8 +160,29 @@ Treffen wir zusätzlich noch quantitative Modellannahmen für das Beispiel:
3. Ob jemand im Vorstand ist, hängt ab von `faehigkeit` und `geschlecht`. Dies modellieren wir indem ein Mann ab einer `faehigkeit` größer als 115 in den Vorstand kommt, eine Frau erst ab 130. Frauen müssen also fähiger sein als Männer um in den Vorstand zu kommmen – so hier die Annahme.
3. Ob jemand im Vorstand ist, hängt ab von `faehigkeit` und `geschlecht`. Dies modellieren wir indem ein Mann ab einer `faehigkeit` größer als 115 in den Vorstand kommt, eine Frau erst ab 130. Frauen müssen also fähiger sein als Männer um in den Vorstand zu kommmen – so hier die Annahme.
xpnorm(115, mean = 100, sd = 15, return = "plot") %>% gf_labs(title = "Vorstand für Männer", x = "Fähigkeit", y = "Dichte")
xpnorm(130, mean = 100, sd = 15, return = "plot") %>% gf_labs(title = "Vorstand für Frauen", x = "Fähigkeit", y= "Dichte")
```
4. Das `gehalt` setzt sich zusammen aus `faehigkeit` ($\cdot 10$). Es ist im `vorstand` doppelt so hoch und für Männer noch einmal $5\%$ höher. Fähigere Leute verdienen mehr, Mitglieder des Vorstands verdienen mehr und Männer verdienen mehr.
4. Das `gehalt` setzt sich zusammen aus `faehigkeit` ($\cdot 10$). Es ist im `vorstand` doppelt so hoch und für Männer noch einmal $5\%$ höher. Fähigere Leute verdienen mehr, Mitglieder des Vorstands verdienen mehr und Männer verdienen mehr.