Zusammenfassung: Kapitel 1, Grundlegende Begriffe
|
|
- Manfred Eberhardt
- vor 5 Jahren
- Abrufe
Transkript
1 Zusammenfassung: Kapitel 1, Grundlegende Begriffe Datenerhebung Eigenschaften, Merkmale, Variablen Objekte, Merkmalsträger Beobachtung, Merkmalsausprägung Datenstrukturen/ Skalen nominal/ qualitativ ordinal kardinal/ quantitativ (diskret, stetig) Grundgesamtheit, Stichprobe Dr. Matthias Arnold 95
2 Zusammenfassung: Kapitel 2, Grafische Darstellung von Daten Häufigkeiten k mögliche Merkmalsausprägungen a 1,...,a k n beobachtete Merkmalsausprägungen x 1,...,x n absolute Häufigkeit relative Häufigkeit Grafische Darstellung Säulen-, Stab-, Balken-, Kreisdiagramm empirische Verteilungsfunktion: F n (x) = a i x h(a i) klassierte Daten Histogramm, Balkenhöhe = rel.häufigkeit / Klassenbreite Dr. Matthias Arnold 96
3 Zusammenfassung: Kapitel 3, Lagemaße arithmetisches Mittel x = 1 n n i=1 x i gewichtetes arithmetisches Mittel x g = n g i x i = g 1 x g n x n i=1 Dr. Matthias Arnold 97
4 Zusammenfassung: Kapitel 3, Lagemaße Median x ( n+1 2 ), n ungerade x = ( ) 1 2 x ( n 2 ) + x ( n +1), n gerade 2 Modalwert/ Modus geometrisches Mittel x geo = n x 1 x 2 x n Dr. Matthias Arnold 98
5 Zusammenfassung: Kapitel 3, Lagemaße Quantile Boxplot x p = { x ( np +1), np nicht ganzzahlig 1 2 (x (np) + x (np+1) ), np ganzzahlig x (1), x 0.25, x, x 0.75, x (n) Dr. Matthias Arnold 99
6 Zusammenfassung: Kapitel 4, Streuungsmaße Spannweite R x = max{x i } min {x i } i i = x (n) x (1) Quartilsabstand Q x = x 0,75 x 0,25 mittlere absolute Abweichung vom Median d x = 1 n n x i x i=1 Dr. Matthias Arnold 100
7 Zusammenfassung: Kapitel 4, Streuungsmaße mittlere absolute Differenz Δ x = 1 n 2 n n x i x j i=1 j=1 Varianz Standardabweichung s 2 x = 1 n n (x i x) 2 i=1 s x = s 2 x Transformationen von Lage- und Streuungsmaßen Dr. Matthias Arnold 101
8 Kapitel 5: Zusammenhangsmaße Beispiel 5.1 Werbeausgaben und Umsätze verschiedener Firmen (fiktiv) Firma Werbeausgaben X i Umsatz Y i Nr. i (in Euro) (in Mio. Euro) Struktur der Daten? Dr. Matthias Arnold 102
9 Beispiel 5.1 (Fortsetzung) Kapitel 1-4: Betrachte für Merkmal X und Merkmal Y etwa die empirischen Verteilungsfunktionen Fn(x) der Werbeausgaben Fn(y) des Umsatzes F 7 (x) F 7 (y) Werbeausgaben X (in Euro) Umsatz Y (in Mio Euro) Dr. Matthias Arnold 103
10 Beispiel 5.1 (Fortsetzung) Mittelwert und Varianz der Merkmale X und Y : x = 400, s 2 x = 40000; ȳ =60, s 2 y = 208, 86 Trage Ausprägung x i gegen Ausprägung y i ab Umsatz Y (in Mio Euro) Werbeausgaben X (in Euro) (positiver) Zusammenhang von X und Y,derwedervon emp. Verteilungsfunktion, Mittelwert noch Varianz berücksichtigt wird Zusammenhangsmaß vonnöten Dr. Matthias Arnold 104
11 Bemerkung Bisher: Ein Merkmal pro Merkmalsträger Jetzt: Zwei Merkmale pro Merkmalsträger Gesucht: Maßzahlen, die den Zusammenhang zwischen diesen beiden Merkmalen beschreiben Dr. Matthias Arnold 105
12 Beispiel 5.2 (Umsätze & Werbeausgaben von Firma i, vgl. Beispiel 5.1) Eine Möglichkeit: Einteilung des Koordinatensystems in vier Quadranten durch Mittelwerte Umsatz Y (in Mio Euro) II III y a = 60 x a = 400 I IV Werbeausgaben X (in Euro) Dr. Matthias Arnold 106
13 Beispiel 5.2 (Fortsetzung) Idee nun Häufung der Beobachtungen in den Quadranten I und III positiver Zusammenhang Häufung der Beobachtungen in den Quadranten II und IV negativer Zusammenhang Ähnlich große Beobachtungszahlen in den Quadrantenpaaren (I,III) und (II,IV) kein Zusammenhang Hier: I + III = 3,5 + 3 = 6,5 II + IV = 0,5 + 0 = 0,5 stark positiver Zusammenhang (fasse hierbei die Beobachtung (x 4,y 4 ) = (400, 62) als halb zum ersten und halb zum zweiten Quadranten zugehörig auf) Dr. Matthias Arnold 107
14 Bemerkung a) Kriterium aus Beispiel 5.2 recht grob, Entfernung der Beobachtungen vom Zentrum ( x, ȳ) wird nicht berücksichtigt Betrachte abermals Umsätze und Werbeausgaben aus Beispiel 5.1 und 5.2 Beobachtung y 3 =52Mio. Euro verändere sich zu y neu 3 =38 Mio. Euro Beobachtung y 5 =72Mio. Euro verändere sich zu y neu 5 =86 Mio. Euro ȳ neu =ȳ =60Mio. Euro ( x neu = x = Euro sowieso) Dr. Matthias Arnold 108
15 Bemerkung (Fortsetzung) a) (Fortsetzung) Umsatz Y (in Mio Euro) II III Originaldaten aus Bsp 5.2 y a = 60 x a = 400 I IV Umsatz Y (in Mio Euro) II III Daten mit verändertem y3 & y5 y a = 60 x a = 400 I IV Werbeausgaben X (in Euro) Werbeausgaben X (in Euro) Gemäß des Kriteriums aus Beispiel 5.2 ist es egal, ob sich Beobachtungen y 3 und y 5 oder y3 neu und y5 neu realisieren, der Zusammenhang bleibt gleich stark Dr. Matthias Arnold 109
16 Bemerkung (Fortsetzung) b) Motiviert durch Teil a): Fordere unterschiedliche Gewichtung der Daten, je nach Entfernung von ( x, ȳ) Gewicht für Beobachtungspaar i : (x i x)(y i ȳ) xi > x und y i > ȳ (x i x)(y i ȳ) > 0 (Quadr. I) xi < x und y i < ȳ (x i x)(y i ȳ) > 0 (Quadr. III) x i < x und y i > ȳ (x i x)(y i ȳ) < 0 (Quadr. II) x i > x und y i < ȳ (x i x)(y i ȳ) < 0 (Quadr. IV) x i = x oder y i =ȳ (x i x)(y i ȳ) =0 Berechne (x i x)(y i ȳ) für alle Beobachtungspaare und betrachte den Durchschnitt Dr. Matthias Arnold 110
17 Definition 5.1 Für zwei kardinal skalierte Merkmale X und Y mit den beobachteten Ausprägungen x 1,x 2,...,x n und y 1,y 2,...,y n heißt s xy = 1 n n (x i x)(y i ȳ) i=1 Kovarianz (oder gemeinsame Streuung) vonx und Y. Dr. Matthias Arnold 111
18 Beispiel 5.3 (Umsätze & Werbeausgaben von Firma i, vgl. Beispiele 5.1 und 5.2), x = 400, ȳ =60 x i y i x i x y i ȳ (x i x) (y i ȳ) s xy =1/ = 2.842, 86 Dr. Matthias Arnold 112
19 Beispiel 5.3 (Fortsetzung) Für die veränderten Daten aus Bemerkung b) nach Beispiel 5.2 (y 3 y3 neu, y 5 y5 neu ) ergibt sich s neu xy = 3242, 86 Bemerkung a) Für die Kovarianz gilt s xy = 1 n n i=1 x i y i x ȳ b) Betrachte lineare Transformationen der Form x i = a x i + b und yi = c y i + d (a, b, c, d R, i =1,..., n), dann gilt s x y = a c s xy Kovarianz ist abhängig von der Maßeinheit c) s xy repräsentiert Richtung des Zusammenhangs zwischen zwei Variablen (positiv s xy > 0, negativ s xy < 0); keine Aussage über Stärke des Zusammenhangs möglich Dr. Matthias Arnold 113
20 Beispiel 5.4 (Umsätze & Werbung, vgl. Beispiele 5.1 bis 5.3) a) Messe Werbeausgaben nun in 100(= 1.000/10) Euro, Umsatz in (= /10) Euro x i y i x i x y i ȳ (x i x) (y i ȳ) s xy =1/ = , 7= , 86 Dr. Matthias Arnold 114
21 Beispiel 5.4 (Fortsetzung) b) Betrachte (neben Daten aus Bsp. 5.1 und 5.2) noch einmal die veränderten Ausprägungen aus Bem. a) nach Bsp. 5.2 Umsatz Y (in Mio Euro) II III Originaldaten aus Bsp 5.2 y a = 60 x a = 400 I IV Umsatz Y (in Mio Euro) II III Daten mit verändertem y3 & y5 y a = 60 x a = 400 I IV Werbeausgaben X (in Euro) Werbeausgaben X (in Euro) Grafik: Positiver Zusammenhang bei Originaldaten stärker; dies durch Kovarianzen nicht quantifiziert (s xy =2.842, 86 und s neu xy = 3242, 86), vgl. Bem. c) nach Bsp. 5.3 Dr. Matthias Arnold 115
22 Definition 5.2 Für zwei kardinal skalierte Merkmale X und Y mit den beobachteten Ausprägungen x 1,...,x n und y 1,...,y n heißt r xy = s xy s x s y = n (x i x)(y i ȳ) i=1 n (x i x) 2 i=1 n (y i ȳ) 2 i=1 Bravais-Pearson-Korrelationskoeffizient von X und Y. Dr. Matthias Arnold 116
23 Beispiel 5.5 (Umsätze & Werbung, vgl. Beispiele 5.1 bis 5.4) a) Für die Originaldaten aus den Beispielen 5.1 und 5.2 ergibt sich s 2 x = und s 2 y = 208, , 86 r xy = =0, , 86 Umrechnung der Maßeinheiten in 100 Euro (Werbung) bzw Euro (Umsatz) verändert diesen Wert nicht r x y = , =0, 984 Dr. Matthias Arnold 117
24 Beispiel 5.5 (Fortsetzung) b) Datenvariation aus Bemerkung a) nach Beispiel 5.2 s 2,neu x = und s 2,neu r neu xy = y = 344, , 86 =0, 873 < 0, 984 = r xy , 86 Zusammenhang der veränderten Daten schwächer Dr. Matthias Arnold 118
25 Bemerkung (Eigenschaften von s xy, r xy ) a) Für die Kovarianz gilt (I) s xy s x s y (II) s xy = s x s y y i = a x i + b mit a 0, also gilt für den Bravais-Pearson-Korrelationskoeffizienten (III) 1 r xy 1 (IV) r xy =1 y i = a x i + b mit a>0 (V) r xy = 1 y i = a x i + b mit a<0 Dr. Matthias Arnold 119
26 Bemerkung (Fortsetzung) b) Bedeutung von Bemerkung a), (IV) & (V) r xy = 1 r xy = 1 Y Y X X Dr. Matthias Arnold 120
27 Bemerkung (Fortsetzung) c) Vorsicht: r xy =0heißt nicht, dass kein Zusammenhang besteht, sondern dass kein linearer Zusammenhang vorliegt; Betrachte Merkmal X mit Ausprägungen 2, 1, 0, 1, 2 und Merkmal Y mit Ausprägungen y i =0.5 x 2 i (d.h. Merkmal X erklärt Merkmal Y komplett) r xy =0! Y r xy = X Dr. Matthias Arnold 121
28 Bemerkung (Fortsetzung) d) Vorsicht: Korrelation ist nicht gleich Kausalität, Zusammenhang kann etwa durch dritte Einflussgröße Verursacht werden Beispiel 1 (aus Schuhgröße und Kalziumgehalt der Knochen positiv korreliert; Grund: Kinder haben weniger Kalzium in den Knochen als Erwachsene, und natürlich geringere Schuhgrößen Beispiel 2: Zahl der Störche und Kinderanzahl pro Ehepaar positiv korreliert; Grund: Je ländlicher die Gegend, umso mehr Störche gibt es, und umso mehr Kinder werden pro Ehepaar geboren Dr. Matthias Arnold 122
29 Bemerkung (Fortsetzung) Beispiel 3: EHEC-Epidemie 2011: positiver Zusammenhang zwischen Verzehr von Tomaten, Gurken und Blattsalaten einerseits und Erkrankungen andererseits; Grund: Die wahre Infektionsquelle waren Sprossen, und diese werden häufig in Kombination mit den genannten Lebensmitteln verzehrt halte den dritten Faktor (in Bsp. 1: das Alter, in Bsp. 2: die Größe der untersuchten Stadt und in Bsp. 3: den Sprossenkonsum) konstant die Korrelationen verschwinden Dr. Matthias Arnold 123
30 Beispiel 5.6 Erhebe an 11 Studenten die Punktezahlen in der Statistikbzw. Mathematik-Klausur (vgl. Bamberg et al., 2007) Student A B C D E F G H I J K Mathe Statistik Zusammenhang der Merkmale? Problem bei Bravais-Pearson-Koeffizient: Kardinales Skalenniveau hier zumindest fragwürdig Annahme: Ab 20 Punkten ist die Mathematikklausur bestanden Abstand zwischen 19 und 20 Punkten sicherlich größer, als etwa zwischen 35 und 36 Punkten Umskalierungen bei Punktevergabe möglich Dr. Matthias Arnold 124
31 Definition 5.3 Betrachte zwei Merkmale X und Y mit mindestens ordinalem Skalenniveau und Ausprägungen x 1,..., x n bzw. y 1,..., y n.die Beobachtung x k stehe in der Reihe x (1),..., x (n) der aufsteigend geordneten Daten an Stelle l (d.h. x k = x (l) ). Dann heißt R(x k )=l Rang von x k (R(y i ) analog) und n ( R(xi ) R )( x R(yi ) R ) y r R xy = i=1 n ( R(xi ) R ) 2 x n ( R(yi ) R ) 2 y i=1 i=1 Rangkorrelationskoeffizient nach Spearman Dr. Matthias Arnold 125
32 Bemerkung Rangkorrelationskoeffizient nach Spearman: Formel des gewöhnlichen Bravais-Pearson-Korrelationskoeffizienten, aber angewandt auf die Ränge Beispiel 5.7 (Klausurpunkte Mathe & Statistik, vgl. Bsp. 5.6) Student A B C D E F G H I J K x i R(x i ) y i R(y i ) R x = R y =6 Dr. Matthias Arnold 126
33 Beispiel 5.7 (Fortsetzung) Stud. R(x i ) R x = M i Mi 2 R(y i ) R y = S i Si 2 M i S i A B C D E F G H I J K r R xy = =0, 88 Dr. Matthias Arnold 127
34 Bemerkung (Eigenschaften des Rangkorrelationskoeffizienten nach Spearman) a) 1 r R xy 1 b) r R xy =1 R(x i )=R(y i ) für alle i c) r R xy = 1 R(x i )=n R(y i )+1für alle i Dr. Matthias Arnold 128
35 Bemerkung (Fortsetzung) d) Gemäß Teil b) und c) misst r R xy den monotonen Zusammenhang zweier Merkmale (im Gegensatz zum Bravais-Pearson- Koeffizienten, der den linearen Zusammenhang misst) r xy = 1 r R xy = 1 y R(y) x R(x) r vw < 1 r R vw = 1 w R(w) v R(v) Dr. Matthias Arnold 129
36 Beispiel 5.8 Zwei Personen testen 10 italienische Rotweine und bewerten sie mit Noten von 1 bis 5 (vgl. Wein Nr. Note x i Pers. 1 Note y i Pers Dr. Matthias Arnold 130
37 Beispiel 5.8 (Fortsetzung) Noten ordinal skaliert Spearman Problem: Bindungen (d.h. eine Ausprägung tritt mehrfach auf: Person 1 vergibt z.b. 2 die Note 1) Durchschnittsränge Betrachte sortierte Ausprägungen x (i) vonperson1: 1, 1, 2, 2, 2, 3, 4, 4, 4, 5 R(x (1) )=R(x (2) )= R(x (3) )=... = R(x (5) )= R(x (7) )=... = R(x (9) )= =4, R(x (6) )=6 =8, R(x (10) )=10 Analoges Vorgehen mit sortierten Ausprägungen y (i) von Person 2 =1, 5 Dr. Matthias Arnold 131
38 Beispiel 5.8 (Fortsetzung) Wein Nr. x i R(x i ) y i R(y i ) 1 1 1,5 2 2, , , , , , ,5 r R xy =0, 5 Dr. Matthias Arnold 132
39 Fazit zu Zusammenhangsmaßen Kovarianz nicht normiert Bravais-Pearson-Korrelationskoeffizient normierte Kennzahl für linearen Zusammenhang r xy =0 kein Zusammenhang zwischen X und Y, sondern: r xy =0 kein linearer Zusammenhang zwischen X und Y Rangkorrelationskoeffizient nach Spearman misst monotonen Zusammenhang Korrelation Kausalität Dr. Matthias Arnold 133
40 Kapitel 6: Preisindizes Zeitlicher Verlauf Preisindex in Deutschland Dr. Matthias Arnold 134
41 Inflationsraten in Deutschland Dr. Matthias Arnold 135
42 Beispiel 6.1 (Fiktive) wöchentliche Ausgaben für Freizeitgestaltung Sep Sep Preis Menge Preis Menge Benzin 1,40 Euro/l 10 l 1,35 Euro/l 12 l Kino 6,00 Euro 2 7,00 Euro 1 Schwimmbad 3,50 Euro 1 5,00 Euro 1 Veränderung des Preisniveaus? Dr. Matthias Arnold 136
43 Beispiel 6.1 (Fortsetzung) a) 1. Idee: Vergleich der Durchschnittspreise 2010 : p =3, 63; 2011 : p =4, 45 Durchschnittspreis von 3,63 Euro um ca. 23 Prozent auf 4,45 Euro gestiegen Problem - konsumierte Mengen werden nicht berücksichtigt: Benzinpreis verändert sich zwar nur um 5 Cent, wird jedoch zu beiden Zeitpunkten am häufigsten konsumiert b) 2. Idee: Vergleich der Gesamtausgaben 2010 : 10 1, , 5=29, 50 Euro; 2011 : 12 1, =28, 20 Euro Gesamtausgaben sind 2011 geringer als 2010 wie lassen sich a) und b) in Einklang bringen? Dr. Matthias Arnold 137
44 Beispiel 6.1 (Fortsetzung) c) Ausweg: Mengen gleich lassen, vergleiche z.b. Kosten der Mengen von 2010 bei Preisniveau von 2011 mit Gesamtausgaben von 2010 Gesamtausgaben 2010=29,5 Euro, vgl. b) Kosten der Mengen von 2010 im Jahr 2011: 10 1, =32, 5 Euro Mengen von 2010 kosten im Jahr ,5 29,5 29,5 100 = 10, 17 Prozent mehr Dr. Matthias Arnold 138
45 Definition 6.1 Bezeichne mit p 0 (i) den Preis von Gut Nr. i in Periode 0 p t (i) den Preis von Gut Nr. i in Periode t q 0 (i) die konsumierte Menge von Gut Nr. i in Periode 0. Dann heißt P L 0t = n p t (i) q 0 (i) i=1 n p 0 (i) q 0 (i) i=1 Preisindex nach Laspeyres für die Berichtsperiode t zur Basisperiode 0. Dr. Matthias Arnold 139
46 Bemerkung a) Der Preisindex nach Laspeyres vergleicht hypothetische Gesamtausgaben in Berichtsperiode mit tatsächlichen Gesamtausgaben in Basisperiode; beantwortet die Frage, wieviel Warenkorb der Basisperiode in Berichtsperiode kostet b) Beispiel 6.1, c) für Warenkorb Freizeitgestaltung ergibt sich P L 10,11 = 32, 5 29, 5 =1, 1017 (Berichtsperiode 2011, Basisperiode 2010) Dr. Matthias Arnold 140
47 Bemerkung (Fortsetzung) c) Preisindex nach Laspeyres als gewichtetes arithmetisches Mittel der individuellen Preisverhältnisse darstellbar. Genauer: mit P L 0t = n i=1 g 0 (i) pt(i) p 0 (i) g 0 (i) = = Ausgaben für Gut i in Basisperiode Gesamtausgaben in Basisperiode p 0 (i) q 0 (i) n p 0 (j) q 0 (j) j=1 Dr. Matthias Arnold 141
48 Beispiel 6.2 (Ausgaben für Freizeitgestaltung, vgl. Beispiel 6.1) Alternative Berechnung von P0t L, vgl. Bem. c) nach Def. 6.1 g 0 (1) = 14 29, 5, g 0(2) = 12 29, 5 und g 0 (3) = 3, 5 29, 5, also: P L 10,11 = 14 29, 5 = 1, , 35 1, , 5 7, 00 6, , 5 29, 5 5, 00 3, 50 Dr. Matthias Arnold 142
49 Definition 6.2 Notationen wie in Definition 6.2, außerdem bezeichne q t (i) die konsumierte Menge von Gut Nr. i in Periode t. Dann heißt P P 0t = n p t (i) q t (i) i=1 n p 0 (i) q t (i) i=1 Preisindex nach Paasche für die Berichtsperiode t zur Basisperiode 0. Dr. Matthias Arnold 143
50 Bemerkung Der Preisindex nach Paasche verwendet Mengen der Berichtsperiode und bestimmt durchschnittliche Preisänderung (Laspeyres-Index: Gleiches Vorgehen, verwendet allerdings Mengen der Basisperiode) vergleicht tatsächliche Gesamtausgaben in Berichtsperiode mit hypothetischen Gesamtausgaben in Basisperiode beantwortet Frage, wieviel Warenkorb aus Berichtsperiode in Basisperiode gekostet hätte Dr. Matthias Arnold 144
51 Beispiel 6.3 (Ausgaben für Freizeitgestaltung, vgl. Beispiel 6.1 & 6.2) Für den Warenkorb Freizeitgestaltung ergibt sich P P 10,11 = 1, , , , , , 50 1 = 28, 2 26, 3 = 1, 072. Gemäß Paasche-Index beträgt mittlerer Preisanstieg 7,2 % Dr. Matthias Arnold 145
52 Bemerkung Häufig gilt P0t L >PP 0t ; Grund: Bei allgemeiner Preissteigerung werden verhältnismäßig günstige Güter stärker konsumiert als teure Artikel (Substitution teurer durch günstige Güter) wird durch Laspeyres-Index nicht berücksichtigt Paasche-Index benötigt Preisangaben aus der Basisperiode (Vergangenheit) kann zu Problemen führen im zeitlichen Verlauf: Paasche-Index benötigt jedes Jahr aktuelle Mengen, Laspeyres-Index nur aktuelle Preise Laspeyres-Index in Praxis weiter verbreitet Dr. Matthias Arnold 146
53 Bemerkung (Fortsetzung) Auch Paasche-Index als gewichtetes arithmetisches Mittel der individuellen Preisverhältnisse darstellbar: mit P P 0t = n i=1 g t (i) pt(i) p 0 (i) g t (i) = = hypothetische Ausgaben für Gut i in Basisperiode hypothetische Gesamtausgaben in Basisperiode p 0 (i) q t (i) n p 0 (j) q t (j) j=1 Dr. Matthias Arnold 147
54 Feststellung Preisindizes hängen davon ab, welche Güter konsumiert werden für jeden Konsumenten ergeben sich individuelle Preissteigerungsraten Ziel jedoch: eindeutiger Maßstab für Preisentwicklung (Zielgröße für Zentralbanken, Orientierungsmaßstab bei Lohnverhandlungen oder Mietzahlungen) Lösung: berechne Preisindex für durchschnittlichen Konsumenten Dr. Matthias Arnold 148
55 Bemerkung (Preisindex in der Praxis) Der Verbraucherpreisindex (VPI) in Deutschland Monatlich vom Statistischen Bundesamt berechnet Aufgabe: Beschreibung der Preisentwicklung aller Waren & Dienstleistungen, die von privaten Haushalten konsumiert werden Orientierung (Inflation, Lohnverhandlungen,...) Dr. Matthias Arnold 149
56 Datengrundlage Warenkorb enthält alle relevanten Güter und Dienstleistungen, Aktualisierung alle 5 Jahre Laspeyres-Index Grundlage: Einkommens- und Verbrauchsstichprobe (EVS) Datenbasis: Konsumverhalten von etwa Haushalten Preiserhebung Preise der GüterimWarenkorbwerdenmonatlichindenselben Geschäften (repräsentative Stichprobe) erhoben, außerdem zentrale Preiserfassung (Versandhäuser...) Dr. Matthias Arnold 150
57 Bemerkung (Fortsetzung) Berechnung: Mehrfaches (gewichtetes) arithmetisches Mitteln Elementarindex pro Gut/Dienstleistung und pro Bundesland (arithmetisches Mittel der Preisreihen) Gesamtdeutscher Teilindex pro Gut/Dienstleistung (gewichtetes arithmetisches Mittel der Elementarindizes über die Bundesländer) VPI: Gewichtetes arithmetisches Mittel der gesamtdeutschen Teilindizes Dr. Matthias Arnold 151
58 Bemerkung (Fortsetzung) Gewichte der Bundesländer, Basisjahr 2000 (entspricht landesspezifischem Anteil an gesamtdeutschen privaten Konsumausgaben) gesamtdeutscher Teilindex pro Gut; Angaben in % (Quelle: Statistisches Bundesamt): Nordrhein-Westfalen 23,5 Schleswig-Holstein 3,3 Bayern 15,4 Brandenburg 2,7 Baden-Württemberg 13,5 Sachsen-Anhalt 2,7 Niedersachsen 9,5 Thüringen 2,5 Hessen 7,3 Hamburg 2,3 Rheinland-Pfalz 4,8 Mecklenburg-Vorpommern 1,8 Sachsen 4,6 Saarland 1,3 Berlin 3,8 Bremen 1,0 Dr. Matthias Arnold 152
59 Bemerkung (Fortsetzung) Zusammensetzung VPI-Warenkorb, Basisjahr 2005 entspricht Gewichten bei Berechnung des VPIs aus Teilindizes; Angaben in % (Quelle: Statistisches Bundesamt): Nahrungsmittel 10,4 Verkehr 13,2 Alkoholische Getränke 3,9 Nachrichtenübermittlung 3,1 & Tabakwaren Bekleidung & Schuhe 4,9 Freizeit, Unterhaltung 11,6 &Kultur Wohnung & Energie 30,8 Bildungswesen 0,7 Einrichtungsgegenstände 5,6 Beherbergung & Gaststätten 4,4 Gesundheitspflege 4,0 Sonstiges 7,4 Dr. Matthias Arnold 153
60 Bemerkung (Fortsetzung) Wert des Indizes VPI für Deutschland, (Jahresdurchschnitte); 2005=100% Jahr Dr. Matthias Arnold 154
61 Preisänderungen nach Gütergruppen Dr. Matthias Arnold 155
62 Bemerkung (Fortsetzung) Praktische Probleme beim VPI Wahl geeigneter Produkte aus Gütergruppe ( Preisrepräsentanten ) Umgang mit Produktvariationen zwischen zwei Umbasierungen des Warenkorbs (Produkte verschwinden & kommen hinzu; Qualitätsänderungen, z.b. Veränderung der Packungsgröße,...) Wahl der Preise (Discount-, Aktionspreise, in- oder exklusive Steuern,...) Beschaffung von Infos über Konsummuster (Bei Aufstellung des Warenkorbes)... Dr. Matthias Arnold 156
Kapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
Mehr5.2 Die Indexformel nach Laspeyres
5.2 Die Indexformel nach Laspeyres Beispiel: Konsumausgaben eines ausgewählten Wirtschaftssubjektes Periode 0 (=Basisperiode) Periode 1 (=Berichtsperiode) Preis Menge Preis Menge p 0 q 0 p 1 q 1 Zigaretten
MehrStatistik für Ökonomen Wintersemester 2010/2011. Dr. Hendrik Hansen
Statistik für Ökonomen Wintersemester 2010/2011 Dr. Hendrik Hansen Was ist Statistik Umfassendes methodisch-quantitatives Instrumentarium zur Charakterisierung und Auswertung empirischer Befunde [...]
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrProdukt Basisjahr Berichtsjahr Basisjahr Berichtsjahr
14 Indizes 1 Kapitel 14: Indizes A: Übungsaufgaben: [ 1 ] 1 8 10 13000 10000 2 5 6 15000 15000 3 14 15 12000 10000 4 8 10 10000 6000 Berechnen Sie den nindex nach Paasche. Q P [ 2 ] 1 80 100 13 10 2 32
MehrDeskriptive Statistik. (basierend auf Slides von Lukas Meier)
Deskriptive Statistik (basierend auf Slides von Lukas Meier) Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrAktuelle Grundgehaltssätze der Besoldungsordnung A im Bund und in den Ländern
1. Bund 2. Baden-Württemberg 3. Bayern 4. Berlin 5. Brandenburg 6. Bremen 7. Hamburg 8. Hessen 9. Mecklenburg-Vorpommern 10. Niedersachsen 11. Nordrhein-Westfalen 12. Rheinland-Pfalz 13. Saarland 14. Sachsen
MehrErgebnisse der Einkommensund Verbrauchsstichprobe in Baden-Württemberg. Teil 3: Einnahmen und Ausgaben der privaten Haushalte
20 Ergebnisse der Einkommensund Verbrauchsstichprobe in Baden-Württemberg Teil 3: Einnahmen und Ausgaben der privaten Haushalte Einkommens- und Verbrauchsstichprobe (EVS) 2013 Die Einkommens- und Verbrauchsstichprobe
Mehr1 Einleitung und Grundlagen 1
Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige
MehrChristoph Schöffel, Deskriptive Statistik. 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1. Thema 1: Darstellungsweise von Merkmalen 1
Inhaltsübersicht 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1 Thema 1: Darstellungsweise von Merkmalen 1 1. Diskrete und (quasi-)kontinuierliche Merkmale 1 1.1 Was sind Merkmale 1 1.2 Darstellungsweise
Mehr6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale
6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale 397 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrBeschreibende Statistik
Beschreibende Statistik von Dr. Peter M. Schulze Professor für Statistik und Ökonometrie an der Johannes Gutenberg-Universität Mainz 6., korrigierte und aktualisierte Auflage R.Oldenbourg Verlag München
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
MehrLösungen zur deskriptiven Statistik
Lösungen zur deskriptiven Statistik Aufgabe 1. Bei einer Stichprobe von n = Studenten wurden folgende jährliche Ausgaben (in e) für Urlaubszwecke ermittelt. 1 58 5 35 6 8 1 6 55 4 47 56 48 1 6 115 8 5
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrStatistik Zusätzliche Beispiele SS 2018
Statistik Zusätzliche Beispiele SS 208 Blatt : Beschreibende Statistik. Das jährliche Haushaltseinkommen der Privathaushalte einer bestimmten Stadt für das Jahr 208 ist in der folgenden Tabelle zusammengefasst:
MehrGewerbliche Unternehmensgründungen nach Bundesländern
Gewerbliche Unternehmensgründungen nach Bundesländern Gewerbliche Unternehmensgründungen 2005 bis 2015 in Deutschland nach Bundesländern - Anzahl Unternehmensgründungen 1) Anzahl Baden-Württemberg 52.169
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 04.06.2013 Zweidimensionale Datensätze 1. Kontingenztabelle
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrGewerbeanmeldungen nach Bundesländern
Gewerbeanmeldungen nach Bundesländern Gewerbeanmeldungen 2005 bis 2015 in Deutschland nach Bundesländern - Anzahl Gewerbeanmeldungen 1) Anzahl Baden-Württemberg 111.044 109.218 106.566 105.476 109.124
MehrVl Zweidimensionale Verteilungen Zusammenhangsmaße 3.1. Zwei dimensionale Häufigkeitstabellen. Absolute Häufigkeitstabelle
Vl. 5.12.11 3. Zweidimensionale Verteilungen Zusammenhangsmaße 3.1. Zwei dimensionale Häufigkeitstabellen schnell mittel langsam 3 Arten von Häufigkeitstabellen: Absolute Häufigkeitstabelle relative Häufigkeitstabelle
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
Mehr6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig und mindestens ordinalskaliert, typischerweise
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrAppendix: Indizes. Kapitel 1. Ökonometrie I Michael Hauser
1 / 14 Appendix: Indizes Kapitel 1 Ökonometrie I Michael Hauser 2 / 14 Inhalt Indizes: Preis-, Mengen-, Umsatzindizes Verkettung und Umbasieren von Indizes 3 / 14 Index Ein Index ist eine aggregierte Maßzahl.
MehrJosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i
JosefPuhani Kleine Formelsammlung zur Statistik 10. Auflage averiag i Inhalt- Vorwort 7 Beschreibende Statistik 1. Grundlagen 9 2. Mittelwerte 10 Arithmetisches Mittel 10 Zentral wert (Mediän) 10 Häufigster
MehrStatistik Übungen SS 2018
Statistik Übungen SS 2018 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 6, 2012
Statistik SS 2012 Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 6, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012 March 6, 2012 1 / 19
MehrStatistik Übungen WS 2018/19
Statistik Übungen WS 2018/19 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrStatistik Zusätzliche Beispiele WS 2018/19
Statistik Zusätzliche Beispiele WS 2018/19 Blatt 1: Beschreibende Statistik 1. In der nachstehenden Tabelle sind die Mietpreise (in e/m 2 ) von Zwei-Zimmer-Miet-wohnungen in vergleichbarer Wohnlage, die
MehrZusammenfassung: Kapitel 5, Zusammenhangsmaße
Zusammenfassung: Kapitel 5, Zusammenhangsmaße Kovarianz s xy = 1 n n (x i x)(y i ȳ) i=1 Korrelationskoeffizient nach Bravais-Pearson r xy = s xy s x s y = n (x i x)(y i ȳ) i=1 n (x i x) 2 i=1 n (y i ȳ)
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrStatistik... formeln für Dummies
Timm Si99 Statistik... formeln für Dummies Fachkorrektur tlon Christoph Maas und Joachim Gaukel WILEY WILEY-VCH Verlag GmbH & Co. KGaA lnhaftsllerzeichnis Einleitun9 17 Teil I Formeln aus der beschreibenden
MehrAktuelle Grundgehaltssätze der Besoldungsordnung A im Bund und in den Ländern
1. Bund 2. Baden-Württemberg 3. Bayern 4. Berlin 5. Brandenburg 6. Bremen 7. Hamburg 8. Hessen 9. Mecklenburg-Vorpommern 10. Niedersachsen 11. Nordrhein-Westfalen 12. Rheinland-Pfalz 13. Saarland 14. Sachsen
MehrInhaltsverzeichnis (Ausschnitt)
4 Zweidimensionale Daten Inhaltsverzeichnis (Ausschnitt) 4 Zweidimensionale Daten Häufigkeitsverteilungen unklassierter Daten Häufigkeitsverteilungen klassierter Daten Bedingte Häufigkeitsverteilungen
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
MehrKapitel XI - Korrelationsrechnung
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Kapitel XI - Korrelationsrechnung Markus Höchstötter Uni Karlsruhe Karlsruhe, SS 2008 Kapitel XI - Korrelationsrechnung
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrSTATISTISCHES LANDESAMT. Verbraucherpreisindex in Rheinland-Pfalz. Statistik nutzen
STATISTISCHES LANDESAMT 2018 Verbraucherpreisindex in Rheinland-Pfalz Statistik nutzen Verbraucherpreisindex Die Veränderung des Verbraucherpreisindex misst die durchschnittliche Preisveränderung aller
MehrDEUTSCHES SPORTABZEICHEN
2009 Veränderung zum Anteil DSA zur 2008 Jugend Erwachsene Gesamt Vorjahr Bevölkerung des BL* Baden-Württemberg** 73.189 33.054 106.243 103.451 2.792 2,70% 0,99% Bayern 134.890 23.690 158.580 160.681-2.101-1,31%
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
MehrLösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:
Testen und Fördern Name: Klasse: Datum: 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 45, 39, 44, 48, 42, 39,
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrInhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):
Mehr1.493 Spielhallenkonzessionen Spielhallenstandorte Geldspielgeräte in Spielhallen
Neue Bundesländer 255 von 255 Kommunen Stand: 01.01.2012 1.493 Spielhallenkonzessionen 1.108 Spielhallenstandorte 14.850 Geldspielgeräte in Spielhallen Einwohner pro Spielhallenstandort 2012 Schleswig-
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistik. Von Dr. Günter Bamberg. o. Professor für Statistik und Dr. habil. Franz Baur. Universität Augsburg. 12., überarbeitete Auflage
Statistik Von Dr. Günter Bamberg o. Professor für Statistik und Dr. habil. Franz Baur Universität Augsburg 12., überarbeitete Auflage R.01denbourg Verlag München Wien V INHALTSVERZEICHNIS Vorwort Liste
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrStatistik. Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp. 17., überarbeitete Auflage. Oldenbourg Verlag München.
Statistik von Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp 17., überarbeitete Auflage Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Liste wichtiger Symbole IX XI
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
Mehr13. Übungswoche - Lösungen
1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
MehrLösungen zur Klausur zur Statistik Übung am
Lösungen zur Klausur zur Statistik Übung am 28.06.2013 Fabian Kleine Staatswissenschaftliche Fakultät Aufgabe 1 Gegeben sei die folgende geordneten Urliste des Merkmals Y. 30 Punkte Y : 5 5 5 5 10 10 10
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
Mehr