Statistik I für Studierende der Soziologie
|
|
- Lena Wagner
- vor 5 Jahren
- Abrufe
Transkript
1 Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe Statistische Eiheite ud Gesamtheite Statistische Eiheite: Objekte a dee iteressierede Größe erhobe werde. Grudgesamtheit: Die Mege aller für eie bestimmte Fragestellug relevate statistische Eiheite heißt Grudgesamtheit (Uiversum, Populatio) Merkmale ud Merkmalsauspräguge Merkmale: Eigeschafte der Eiheite heiße Merkmale (Variable). Ausprägug eies Merkmals für eie kokret vorliegede sta- Merkmalsauspräguge: tistische Eiheit. Wertebereich: Alle prizipiell mögliche Auspräguge eies Merkmals. 1
2 1. Eiführug 2 Notatio: Merkmale werde typischerweise mit Großbuchstabe bezeichet (X, Y, Z, etc.), Auspräguge mit dem zugehörige Kleibuchstabe (x, y, z). Der Wertebereich wird mit W bezeichet. Formal ist jedes Merkmal eie Fuktio X : Ω W ω X(ω) Merkmalstype Stetige, quasi-stetige ud diskrete Merkmale Skaleiveaus Nomialskala, Oridalskala, Itervallskala, Ratioskala / Verhältisskala. Zulässige Traformatioe: Trasformatio Nomialskala eieideutige Ordialskala streg mootoe Itervallskala lieare (a + bx; b > 0) Verhältisskala liear affie (bx; b > 0) Qualitative ud quatitative Merkmale Erhebugsforme Experimet vs. Beobachtugsdate Vollerhebug vs. Stichprobe Auswahltechike: Eifache Zufallsstichprobe, Klumpestichprobe, Geschichtete Stichprobe.
3 2. Häufigkeitsverteiluge 3 Studietype: Querschittsstudie, Zeitreihe Logitudial- / Paeldate. Aalysearte: Primärerhebug / -aalyse, Sekudäraalyse, Tertiäraalyse, Metaaalyse. 2 Häufigkeitsverteiluge Ausgagssituatio: A Eiheite ω 1,..., ω sei das Merkmal X beobachtet worde. Die verschiedee Merkmalsauspräguge werde mit a 1,..., a k bezeichet. 2.1 Häufigkeite Absolute Häufigkeite der Merkmalsauspräguge: Für jedes a j, j = 1,..., k, bezeiche h j ud h(a j ) die absolute Häufigkeit der Ausprägug a j, d.h. die Azahl der x i aus x 1,..., x mit x i = a j. Formal: h j := h(a j ) := {ω Ω X(ω) = a j }. h 1, h 2,..., h k (als Gazes) et ma die absolute Häufigkeitsverteilug. Es gilt h j =. Relative Häufigkeite der Merkmalsauspräguge: Für jedes a j, j = 1,..., k, bezeiche f j ud f(a j ) die relative Häufigkeit der Ausprägug a j, also f j := f(a j ) := h j. f 1, f 2,..., f k et ma die relative Häufigkeitsverteilug.
4 2. Häufigkeitsverteiluge 4 Es gilt f j = 1. Häufigkeitstabelle: j a j h j f j 1 a 1 h 1 f 1 2 a 2 h 2 f 2 3 a 3 h 3 f 3.. k a k h k f k Grafische Darstellug Stabdiagramm Säulediagramm Balkediagramm Kreisdiagramm: Der Kreis wird i Segmete uterteilt, dee jeweils eie Ausprägug (oder Klasse) zugeordet wird. Der jeweilige Wikel ist proportioal zur Häufigkeit. Berechug: Wikel des Kreissektors j = relative Häufigkeit 360 Stamm-Blatt-Diagramm 2.3 Histogramm Gegebe: Urliste x 1,..., x eies (midestes) itervallskalierte Merkmals. Wähle c 0 mi,..., (x i ) ud c k max,..., (x i ) Bilde Klasseeiteilug [c 0, c 1 ), [c 1, c 2 ),..., [c k 1, c k ]. Für jede Klasse [c j 1, c j ), j = 1,..., k sei d j = c j c j 1 die Breite des j-te Itervalls ud h j bzw. f j die absolute bzw. relative Häufigkeit i der j-te Klasse.
5 2. Häufigkeitsverteiluge 5 Zeiche über jedem Itervall ei Rechteck der Breite d j so, dass die Fläche proportioal zu f j ud h j ist. Das Histogramm ist flächetreu. Type vo Häufigkeitsverteiluge Uimodale ud multimodale Verteiluge. Symmetrie ud Schiefe. 2.4 Kumulierte Häufigkeite ud empirische Verteilugsfuktio Gegebe sei die Urliste x 1,..., x eies (midestes) ordialskalierte Merkmals mit der Häufigkeitsverteilug h 1,..., h k bzw. f 1,..., f k. Da heißt H(x) := Azahl der Werte x i mit x i x = h(a j ) = j:a j x absolute kumulierte Häufigkeitsverteilug ud j:a j x F (x) := Ateil der Werte x i mit x i x = H(x)/ = f(a j ) = 1 j:a j x h j j:a j x h(a j ) relative kumulierte Häufigkeitsverteilug bzw. empirische Verteilugsfuktio. Gruppierte Date: k Klasse [c 0, c 1 ),..., [c j 1, c j ),..., [c k 1, c k ], h j Häufigkeit i j-ter Klasse. Verwede bei eiem x aus der Klasse [c j 1, c j ) als Approximatio für H(x) folgede, aus der lieare Iterpolatio gewoee Pukt: H(x) H(c j 1 ) + h j (c j c j 1 ) (x c j 1)
6 3. Lage- ud Streuugsmaße 6 3 Lage- ud Streuugsmaße 3.1 Lagemaße Arithmetisches Mittel Defiitio: Sei x 1,..., x die Urliste eies (midestes) itervallskalierte Merkmals X. Da heißt x := 1 x i das arithmetische Mittel der Beobachtuge x 1,..., x. Alterative Berechug basiered auf Häufigkeite: Hat das Merkmal X die Auspräguge a 1,..., a k ud die (relative) Häufigkeitsverteilug h 1,..., h k bzw. f 1,..., f k, so gilt x = 1 a j h j = a j f j. Satz: Arithmetisches Mittel ud lieare Trasformatioe. Gegebe sei die Urliste x 1,..., x eies itervallskalierte Merkmals X. Betrachtet wird das (liear trasformierte) Merkmal Y = a X + b ud die zugehörige Auspräguge y 1,..., y. Da gilt: ȳ = a x + b. Arithmetisches Mittel bei gruppierte Date: Sei X ei itervallskaliertes Merkmal, das i gruppierter Form mit k Klasse [c 0, c 1 ), [c 1, c 2 ),..., [c k 1, c k ] erhobe wurde. Mit h l, l = 1,... k, als absoluter Häufigkeit der l te Klasse, f l als zugehöriger relativer Häufigkeit ud m l := c l+c l 1 als der jeweilige Klassemitte defiiert ma als arithmetisches Mittel für gruppierte 2 Date x grupp := 1 h l m l = f l m l. Arithmetisches Mittel bei geschichtete Date: Zerfällt die Grudgesamtheit i z Schichte, so ka x aus de Schichtmittel x l, l = 1,..., z berechet werde: x = 1 z l x l Dabei bezeichet l die Azahl der Elemete i der l-te Schicht.
7 3. Lage- ud Streuugsmaße Media & Quatile Media: Gegebe sei die Urliste x 1,..., x eies (midestes) ordialskalierte Merkmals X. Jede Zahl x med mit heißt Media. {i x i x med } 0.5 ud {i x i x med } 0.5 Alterative Defiitio des Medias über die geordete Urliste x (1) x (2)... x () : ( ) 1 x 2 x med := ( 2 ) + x ( +1) für gerade 2 x ( +1 für ugerade 2 ) Quatile Gegebe sei die Urliste x 1,..., x eies (midestes) ordialskalierte Merkmals X ud eie Zahl 0 < α < 1. Jede Zahl x α mit heißt α 100%-Quatil. {i x i x α } α ud {i x i x α } 1 α Spezielle Quatile: Media: x 0.5 = x med. Quartile: x 0.25, x Dezile: x 0.1, x 0.2,..., x 0.8, x 0.9. Satz: Sei x 1, x 2,..., x die Urliste eies (midestes) ordialskalierte Merkmals X, g eie streg mooto steigede Fuktio ud y 1 = g(x 1 ),..., y = g(x ) die Urliste des Merkmals Y = g(x). Da gilt: y med = g(x med ) Modus Defiitio: Sei x 1,..., x die Urliste eies omialskalierte Merkmals mit de Auspräguge a 1,..., a k ud der Häufigkeitsverteilug h 1,..., h k. a j heißt Modus x mod geau da, we h j h j, für alle j = 1,..., k.
8 3. Lage- ud Streuugsmaße Vergleich der Lagemaße Die relative Lage vo x, x med, x mod zueiader ka zur Charakterisierug vo Verteiluge heragezoge werde: symmetrisch: x x med x mod likssteil: x > x med > x mod rechtssteil: x < x med < x mod Geometrisches Mittel Sei Ω = {0,..., } eie Mege vo Zeitpukte ud B(i) =: b i ei zum Zeitpukt i erhobees Merkmal. Für i = 1,..., heißt der i-te Wachstumsfaktor ud x i = b i b i 1 r i = b i b i 1 b i 1 = x i 1 die i-te Wachstumsrate. Da bezeichet ma ( ) 1 x geom := x i = (x 1 x 2... x ) 1 als das geometrische Mittel der Wachstumsfaktore x 1,..., x. Es gilt b = b 0 ( x geom ) Harmoisches Mittel Sei x 1,..., x mit x i 0 für alle i die Urliste eies verhältisskalierte Merkmals X. Da heißt 1 x har := das harmoische Mittel der x 1,..., x. 1 1 x i 3.2 Streuugsmaße Variaz ud Stadardabweichug Variaz : Sei x 1,..., x die Urliste eies itervallskalierte Merkmals X. Da heiße s 2 X := 1 (x i x) 2
9 3. Lage- ud Streuugsmaße 9 die (empirische) Variaz oder Stichprobevariaz ud s X := s 2 X die empirische Streuug, Stichprobestreuug oder Stadardabweichug vo X. Sid die Auspräguge a 1,..., a k mit (relativer) Häufigkeitsverteilug h 1,..., h k bzw. f 1,..., f k gegebe, so gilt s 2 X = 1 = h j (a j x) 2 = f j (a j x) 2. Satz: Sei x 1,..., x die Urliste eies midestes itervallskalierte Merkmals X mit s X > 0 ud y 1,..., y die zugehörige Urliste des Merkmals Y = a X + b. Da gilt s 2 Y = a 2 s 2 X ud s Y = a s X. Verschiebugssatz: Es gilt s 2 X = 1 x 2 i ( 1 ) 2 x i = x 2 ( x) 2. Variazzerlegug / Streuugszerlegug: Variaz bei geschichtete Date mit Schicht 1,..., l,..., z z Besetzugszahle 1,..., l,..., z ; l = Mittelwerte Variaze Mit sowie gilt x 1,..., x l,..., x z s 2 1,..., s 2 l,..., s2 z s 2 ierhalb := 1 s 2 zwische := 1 z l s 2 l z l ( x l x) 2 s 2 = s 2 ierhalb + s 2 zwische.
10 3. Lage- ud Streuugsmaße 10 Sei x 1,..., x die Urliste eies itervallskalierte Merk- Korrigierte empirische Variaz: mals X. Da heißt s 2 X := 1 1 (x i x) 2 die korrigierte empirische Variaz oder korrigierte Stichprobevariaz vo X Weitere Streuugsmaße Variatioskoeffiziet: Ist x > 0, so heißt die Größe Variatioskoeffiziet des Merkmals X. v X := s X x Iter-Quartils-Abstad: Merkmals, so heißt der Iterquartilsabstad. Sid x 0.25 ud x 0.75 das obere ud das utere Quartil eies d QX := x 0.75 x 0.25 Media-Absolute-Deviatio: Der Media der Werte x i x med, i = 1,..., heißt Media-Absolute-Deviatio vo X (MAD X ). Spaweite: Die Größe heißt Spaweite vo X. R X := x () x (1) 3.3 Box-Plot Grafische Zusammefassug wichtiger Kezahle, die icht ausreißerafällig sid. x 0.25, x 0.50, x Iterquartilsabstad: d QX = x 0.75 x 0.25 Zäue : z u := x d QX z o := x d QX Ausserhalb der Zäue werde alle Pukte eigezeichet; sie sid ausreißerverdächtig.
Statistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I Für jede Media x med gilt: Midestes 50% der Merkmalswerte sid kleier gleich x med ud ebeso midestes 50% größer gleich
MehrWeitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrReader Teil 1: Beschreibende Statistik
Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede
MehrAbsolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich
Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrStatistik I für Studierende der Soziologie und Nebenfachstudierende
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie ud Nebefachstudierede Prof Dr Helga Wager Dipl-Soz MSc Julia Kopf, Dipl Stat Gero Walter WS 2010/11 Zur Klausur
MehrDeskriptive Statistik
Deskriptive Statistik I der beschreibede Statistik werde Methode behadelt, mit dere Hilfe ma Date übersichtlich darstelle ud kezeiche ka. Die Urliste (=Date i der Reihefolge ihrer Erhebug) ist meist umfagreich
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrFormelsammlung zur Statistik
Darstellug uivariater Date Formelsammlug zur Statistik Urliste x i : x 1,... x, aufsteiged geordete Urliste x (i) Die k (verschiedee) Auspräguge: a 1
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrSind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
MehrKleine Formelsammlung Beschreibende Statistik
Kleie Formelsammlug Beschreibede Statistik Prof. Dr. Philipp Sibbertse Wirtschaftswisseschaftliche Fakultät Leibiz Uiversität Haover Ihaltsverzeichis 1 Lage- ud Streuugsmaße 2 1.1 Der Media...................................
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
MehrStatistik I im Sommersemester 2007
Statistik I im Sommersemester 2007 Theme am 30.4.2007: Uivariate Verteiluge II Graphische Darstellug omialskalierter Verteiluge Verteilugsparameter: Lagemaße Modus, Media ud Mittelwerte Lerziele:. Iterpretatio
MehrStatistik und Biometrie. Deskriptive Statistik I
Statistik ud Biometrie Deskriptive Statistik I Spruch des Tages Traue keier Statistik, die du icht selbst gefaelscht hast Wiederholug Merkmale Beobachtugseiheite sid Träger vo Merkmale Wiederholug Die
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrÜbersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.
Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter
MehrUnsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012
Statisti. Vorlesug, Feb. 9, Usere Date Höhe Gewicht 5 5 Coctails 5 7 75 5 7 cm Gewicht Glas Schuhgrösse Mathe 5 7 -.5..5..5..5 Reisezeit y 7 9 5 cm Mi Kozetratiosmessug Was für ei Ateil der Eiomme gehört
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte Modul 201 Beschreibede Statistik Has Walser: Modul 201, Beschreibede Statistik ii Modul 201 für die Lehrverastaltug Mathematik 2 für Naturwisseschafte Sommer
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statisti I PD Dr. C. Heuma Formelsammlug Statisti I Desriptive Statisti Häufigeitsverteiluge Darstellugsforme vo Date Rohdate: x 1, x 2,..., x x i Azahl der Beobachtuge Mermalsausprägug
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrII. Grundzüge der Stichprobentheorie
II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrKursthemen 5. Sitzung. Lagemaße
Kurstheme 5. Sitzug Folie I - 5 - Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
MehrDeskriptive Statistik (Skript) J. Thomsen
Deskriptive Statistik (Skript) J. Thomse 3. Mai 2008 Kapitel Deskriptive Statistik. Begriffsdefiitioe.. Utersuchugsobjekte Statistische Eiheite sid die Objekte, a dee die zu utersuchede Date erfasst werde.
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 30.04.203 Mittelwerte ud Lagemaße I. Quatile vo Häufigkeitsverteiluge
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
Mehrn=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1
ANALYSIS WS 08/09 Vorlesug: Prof. Dr. P. Ullrich Übuge: Dr. I. Kharif/ Dr. M. Steihauer 9. ÜBUNGSBLATT- LÖSUNGSHINWEISE/Ergebisse Die folgede Bearbeituge sid - zum Teil - keie ausführliche Musterlösuge,
MehrDeskriptive Statistik (Skript) J. Thomsen
Deskriptive Statistik (Skript) J. Thomse 2. Juli 206 Kapitel Deskriptive Statistik. Begriffsdefiitioe.. Utersuchugsobjekte Statistische Eiheite sid die Objekte, a dee die zu utersuchede Date erfasst werde.
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Beschreibug quatitativer Date Um die empirische Verteilug eies quatitative Merkmals zu beschreibe, betrachte wir Parameter, die
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrHerzlich Willkommen zur Vorlesung. Analysis I SoSe 2014
Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2014 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir 2 Reelle Zahle 2.1 Körperstruktur vo (K1) Additio ud Multiplikatio kommutativ: a b b a, ab ba.
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seiar für Theoretische Wirtschaftslehre Vorlesugsprogra 14.05.2013 Streuugsaße 1. Norierte Etropie 2. Spaweite, Quartilsabstad,
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
Mehr1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrGeben Sie bitte Ihren Namen und Ihre Matrikelnummer an: Aufgaben und Ihre Lösungen: n 01 : Lösen Sie die Kapitalverzehrsformel : 0= q
Klaus R. F. Bätjer, Dr., Prof., TFH Wildau, FB IW / WIW, Haus, Raum 5, Friedrich Egels Straße 3 WFG Klausur Nr. 3, Witersemester /,.., Semiarraum, Haus, 5.3 Uhr Allgemeie Hiweise:. Stelle Sie sicher, daß
MehrStetige Messwerte Diskrete Messwerte
Sadra Schlick Seite 1 1.SemiarStat015.doc 1. Semiar Statistik 9.45 10.00 Übersicht Semester 10.00 10.15 Merkmale ud Auspräguge 10.15 10.30 Häufigkeitsverteiluge 10.30 11.30 Natürliche ud recherische Lage-
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrKreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
MehrMonotonie einer Folge
Mootoie eier Folge 1 E Mootoe Folge We jedes Folgeglied eier Folge größer oder gleich dem vorhergehede Folgeglied ist a 1 a ℕ so et ma die Folge mooto steiged (oder mooto wachsed). Die geometrische Folge
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrHerzlich Willkommen zur Vorlesung. Analysis I SoSe 2013
Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2013 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir Überblick Mittelwertsatz Differetialrechug Natürliche Zahle Iduktiosprizip Kombiatorik Körper
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrStatistik I für WInf und WI Prof. Dr. Wilhelm Stannat
2. November 2009 1 Statistik I für WIf ud WI Prof. Dr. Wilhelm Staat Ihalt: I Deskriptive Statistik 1. Grudbegriffe 2. Auswertug eidimesioaler Datesätze 3. Auswertug zwei- ud mehrdimesioaler Messreihe
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrOrganisatorisches I. Deskriptive Statistik und Wahrscheinlichkeitsrechnung Vorlesung an der Universität des Saarlandes. Organisatorisches II
1 Eileitug Orgaisatorisches 11 Orgaisatorisches I Deskriptive Statistik ud Wahrscheilichkeitsrechug Vorlesug a der Uiversität des Saarlades PD Dr Marti Becker Sommersemester 2019 Vorlesug: Freitag, 12-14
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrStatistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK
Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrMathematik Funktionen Grundwissen und Übungen
Mathematik Fuktioe Grudwisse ud Übuge Potezfuktio Hyperbel Epoetialfuktio Umkehrfuktio Stefa Gärter 004 Gr Mathematik Fuktioe Seite Grudwisse Potezfuktio Defiitio Durch die Zuordugsvorschrift f: Æ mit
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
Mehr