Übung Ereignisdatenanalyse Die Einführung
|
|
- Sylvia Seidel
- vor 5 Jahren
- Abrufe
Transkript
1 Übung Ereignisdatenanalyse Die Einführung Bernd Weiß Forschungsinstitut für Soziologie Universität zu Köln Greinstraße 2 bernd.weiss@uni-koeln.de 22. Oktober 2003
2 Was ist ein Ereignis? One would not ordinarily use the term event to describe a gradual change in some quantitative variable. The change must consist of a relatively sharp disjunction between what precedes and what follows (Allison 1984: 9). 1/ 12
3 Beispiele für soziologisch relevante Ereignisse Typische und soziologisch relevante Ereignisse sind: Arbeitslosigkeit Eheschließung und -scheidung Tod 1. Schultag Auszug aus dem Elternhaus... 2/ 12
4 Abfolgen von Ereignissen Allison (1984: 9) beschreibt ein Ereignis wie folgt: One would not ordinarily use the term event to describe a gradual change in some quantitative variable. The change must consist of a relatively sharp disjunction between what precedes and what follows. Das heißt, es interessieren Zustands- oder Merkmalswechsel im Zeitverlauf. Das Aufeinanderfolgen verschiedener (Merkmals)Änderungen einer Variablen (beziehungsweise allgemeiner formuliert: Zuständen von Objekten) in der Zeit beschreibt einen Prozess. 3/ 12
5 Prozesstypen Ist jeder spezifische Zustand eindeutig und ausschließlich von dem ihm zeitlich vorausgehenden Zustand bewirkt, so spricht man von einem determinierten Prozess. Folgt jedoch der spezifische Zustand nur mit einer gewissen Wahrscheinlichkeit aus dem vorhergehenden Zustand, so spricht man von einem stochastischen Prozess. In der soziologischen Forschung kommen (beinahe) ausschließlich stochastische Prozesse vor. 4/ 12
6 Merkmale des interessierenden stochastischen Prozesses Nach Coleman (1991, 6f.) lässt sich der interessierende Prozesstyp wie folgt beschreiben: 1. Wechsel erfolgen nur zwischen diskreten Zuständen. 2. Die Wechsel können zu jedem beliebigen Zeitpunkt erfolgen. Es wird von einer kontinuierlichen und nicht von einer diskreten Zeitachse ausgegangen. 3. Die Zustandswechsel können reversibel (Arbeitslosigkeit) oder irreversibel (Tod, ledig) sein. 4. Für gewöhnlich werden diese Prozesse durch bestimmte Faktoren beeinflusst. Die Analyse dieser Prozesse geht einher mit der Bestimmung dieser Einflussgrößen. 5. In bestimmten Fällen ist es möglich, dass sich Prozesse nicht vollständig beobachten lassen (Zensierungen). 5/ 12
7 Ansatz mit OLS Regression Stichprobe: Verheiratete Männer Fragestellung: Wann und warum lassen sich die Untersuchungseinheiten scheiden? Abhängige Variable: Zeitspanne zwischen Heirat und Scheidung Unabhängige Variablen: Größe des Wohnortes, voreheliches Zusammenleben, Einkommen etc. Formales Modell: ln t = zβ + ɛ 6/ 12
8 Schwächen der OLS Regression 1. Was passiert in der Analyse mit den Männern, die sich bis zum Interviewzeitpunkt nicht haben scheiden lassen? Es ist doch immerhin bekannt, über welchen Zeitraum sie sich nicht haben scheiden lassen. 2. Auch die Kovariaten wechseln im Zeitverlauf möglicherweise ihre Ausprägungen. Welche Merkmalsausprägung zu welchem Zeitpunkt ist die (inhaltlich) passende? 3. Die Lösung mit einer normalen logistischen Regression (Scheidung ja / nein) berücksichtigt nicht den Zeitaspekt. 7/ 12
9 Vorteile ereignisanalytischer Verfahren Die Häufigkeit des Auftretens von Ereignissen variiert über den Zeitverlauf (Scheidungsrisiko). Auch die das (abhängige) Ereignis erklärenden (unabhängigen) Variablen sind zeitabhängig und besonders Veränderungen in den Ursachenkonstellationen lassen sich mit Querschnittsdaten nur unzureichend abbilden. Kommt es zu zeitlich bedingten Änderungen der abhängigen und unabhängigen Merkmale, dann hat dies Auswirkungen auf die Datenerhebung. Im Falle von Querschnittsdaten spielt dann der Zeitpunkt der Datenerhebung für die Datenanalyse eine entscheidende Rolle; auch Panelerhebungen lassen nur die Beobachtung zweier Zeitpunkte zu, Merkmalsänderungen zwischen diesen beiden Zeitpunkten bleiben verborgen. Schließlich verbessern Kenntnisse über dynamische Veränderungen die Prognosefähigkeiten der verwendeten Modelle. 8/ 12
10 Seminarplan I: Nichtparametrische Methoden Einführung und Formalia Begriffe und Konzepte der Ereignisdatenanalyse Vorstellung von R und TDA f.a Datenaufbereitung und -organisation von Ereignisdaten Nichtparametrische Methoden I Nichtparametrische Methoden II 9/ 12
11 Seminarplan II: (Semi)Parametrische Methoden noch kein Thema Exponentialmodell Piecewise constant model Proportional hazards model Ratenmodelle mit zeitabhängigen Kovariaten Modelldiagnose Abschlussdiskussion 10/ 12
12 Formalia Kenntnisstand der Teilnehmer (Matrizen, Maximum-Likelihood-Schätzung, Wahrscheinlichkeitsrechnung) Mitarbeit CD mit Software und Datensätzen Skript zur Übung Literatur (Kopie von Blossfeld/Rohwer 2002)... 11/ 12
Erhebungsdesigns. Querschnitt- und Längsschnitterhebungen
Erhebungsdesigns Veranstaltung vom 28.11.2000 Querschnitt- und Längsschnitterhebungen Mit einem Erhebungsdesign wird der zeitliche Modus der Datenerhebung festgelegt. Wir unterscheiden drei Arten von Erhebungsdesigns:
MehrUntersuchungsdesigns. Querschnittdesign Längsschnittdesign. Blockseminar: Methoden quantitativer Sozialforschung
Untersuchungsdesigns Querschnittdesign Längsschnittdesign Blockseminar: Methoden quantitativer Designentscheidung Es lassen sich drei Arten von Datenerhebungsdesigns unterscheiden: Querschnittdesign Trenddesign
MehrEinführung in die Survival-Analyse (Modul: Methoden II)
Einführung in die Survival-Analyse (Modul: Methoden II) ROLAND RAU Universität Rostock, Sommersemester 2013 02. April 2013 c Roland Rau Survival-Analyse 01. Sitzung 1 / 21 Formalia & Übersicht Seminar:
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2014 01. April 2014 c Roland Rau Survival Analysis 1 / 20 Formalia & Übersicht Seminar: wöchentlich um 09:15
MehrAuswertung statistischer Daten 1
Auswertung statistischer Daten 1 Dr. Elke Warmuth Sommersemester 2018 1 / 26 Statistik Untersuchungseinheiten u. Merkmale Grundgesamtheit u. Stichprobe Datenaufbereitung Urliste, Strichliste, Häufigkeitstabelle,
MehrStatistische Datenanalyse
Werner A. Stahel Statistische Datenanalyse Eine Einführung für Naturwissenschaftler 3., durchgesehene Auflage vieweg VII 1 Einleitung 1 1.1 Was ist Statistische Datenanalyse? 1 1.2 Ziele 6 1.3 Hinweise
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Überlebenszeitanalyse
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Überlebenszeitanalyse Mit Datensatz Daten_Übung_Überlebenszeitanalyse.sav 1) Zeichnen Sie die Kaplan-Meier-Kurven des progressionsfreien
MehrWissenschaftstheoretische Grundlagen
Wissenschaftstheoretische Grundlagen Wissenschaftstheorie: Lehre von der Vorgehensweise bei der wissenschaftlichen Tätigkeit (Methodologie) Wissenschaftstheorie ist der Sammelbegriff für alle metawissenschaftlichen
MehrSurvival Analysis. December 6, 2007
Survival Analysis René Böheim Rene.Boeheim@jku.at December 6, 2007 Basierend auf Cleves, Gould, and Gutierrez (2004), An Introduction to Survival Analysis using Stata, Revised Edition, Stata Press, Texas.
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
Mehr1.4 Zufallsvariablen und ihre Verteilung
1.4.1 Diskrete Zufallsvariablen Ein Zufallsexperiment wird beschrieben durch einen Grundraum Ω und eine Wahrscheinlichkeit P auf Ω. Häufig interessieren nicht die Ergebnisse an sich, sondern bestimmte
MehrDiagnose und Prognose: Kurzfassung 4
Diagnose und Prognose: Kurzfassung 4 Ziele der 4. Vorlesung Inhaltliche Verbindung zwischen inhaltlicher Statistisches Konzept / Problemstellung Problemstellung und statistischem statistische Methode Konzept/Methode
MehrStochastik in den Ingenieu rwissenschaften
---_..,.'"--.---------- Christine Müller Liesa Denecke Stochastik in den Ingenieu rwissenschaften Eine Einführung mit R ~ Springer Vieweg 1 Fragestellungen........................................... Teil
MehrCox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
MehrÜberlebenszeit- und Rezidivanalysen
Institut für Medizinische Biometrie Überlebenszeit- und Rezidivanalysen Dr. Christoph Meisner Gliederung 1. Ergebnisqualität in der Onkologie: u.a. Analyse der kumulierten Inzidenz von Ereignissen im Zeitverlauf
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
MehrDemographie: Vergangenheit, Gegenwart und Zukunft
Demographie: Vergangenheit, Gegenwart und Zukunft Michel Truong Nhu Seminarvortrag am Institut für Statistik, LMU München Betreuer Prof. Dr. Thomas Augustin 13.Dezember 2011 Gliederung 0. Einführung 1.
Mehr1. Einleitung. 1.1 Phasen einer ökonometrischen Analyse
1. Einleitung 1.1 Phasen einer ökonometrischen Analyse Empirische ökonomische bzw. ökonometrische Analyse: Nutzung von Schätz- und Testmethoden zur Überprüfung ökonomischer Hypothesen oder Quantifizierung
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 2 Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 27. Oktober 2008 1 / 22 Online-Materialien Die Materialien zur Vorlesung finden
Mehr10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg
. Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrElementare Wahrscheinlichkeitslehre
Elementare Wahrscheinlichkeitslehre Vorlesung Computerlinguistische Techniken Alexander Koller 13. November 2015 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen?
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrMathematik für Biologen
Dirk Horstmann Mathematik für Biologen 2. überarbeitete und ergänzte Auflage & Springer Spektrum 1 Einstieg und grafische Darstellungen von Messdaten 1 1.1 Grafische Darstellung von Daten und unterschiedliche
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
Mehr5 Assoziationsmessung in Kontingenztafeln
5 Assoziationsmessung in Kontingenztafeln 51 Multivariate Merkmale 51 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt zur Beschreibung
MehrProbleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit
Hans-Dieter Sill, Universität Rostock Probleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit 1. Der Begriff der bedingte Wahrscheinlichkeit in Planungsdokumenten 2. Eine Prozessbetrachtung
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrKlassen diskreter Variablen
Modelle diskreter Variablen Klassen diskreter Variablen binär multinomial Weitere Klassifizierung multinomialer diskreter Variablen: kategorial y = 1, falls Einkommen < 3000 e. y = 2, falls Einkommen zw.
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Karl Mosler Friedrich Schmid Wahrscheinlichkeitsrechnung und schließende Statistik Vierte, verbesserte Auflage Springer Inhaltsverzeichnis 0 Einführung 1 1 Zufalls Vorgänge und Wahrscheinlichkeiten 5 1.1
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrAnalyse von Querschnittsdaten. Arten von Variablen und Strategien der Datenanalyse
Analyse von Querschnittsdaten Arten von Variablen und Strategien der Datenanalyse Gliederung 1. Arten von Variablen 2. Analyse einzelner Variablen (univariate Verteilungen) 3. Analyse der Zusammenhänge
Mehr1 Beispiele multivariater Datensätze... 3
Inhaltsverzeichnis Teil I Grundlagen 1 Beispiele multivariater Datensätze... 3 2 Elementare Behandlung der Daten... 15 2.1 Beschreibung und Darstellung univariater Datensätze... 15 2.1.1 Beschreibung und
MehrKategorielle Zielgrössen
Kategorielle Zielgrössen 27.11.2017 Motivation Bisher gesehen: Regressionsmodelle für diverse Arten von Zielgrössen Y. kontinuierliche Zielgrösse Lineare Regression Binäre/binomiale Zielgrösse Logistische
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
Mehr3. Bevölkerungsprozesse und Haushaltsstrukturen
3. Bevölkerungsprozesse und Haushaltsstrukturen Fremdkörper in der hier entwickelten Definition von Sozialstrukturanalyse Aber: Bevölkerungsprozesse und strukturen sowie die Verteilung der Bevölkerung
MehrWahrscheinlichkeiten
Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit
MehrDer Prozess der Verrentung von ausländischen und einheimischen Bürgern in Deutschland
Der Prozess der Verrentung von ausländischen und einheimischen Bürgern in Deutschland - Eine vergleichende Analyse unter Verwendung der Forschungsdaten der gesetzlichen Rentenversicherung - Stephanie Zylla
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayes sches Lernen. Niels Landwehr
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Bayes sches Lernen Niels Landwehr Überblick Grundkonzepte des Bayes schen Lernens Wahrscheinlichstes Modell gegeben Daten Münzwürfe
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrDr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrBis heute: Überblick Einheit Literatur lesen. 2. Introspektion. 3. Thema definieren und eingrenzen. Untersuchungsproblem.
Bis heute: 1. Literatur lesen 2. Introspektion 3. Thema definieren und eingrenzen 1 Seite (pro Gruppe) zusammenfassen und abgeben Folie 1 Überblick Einheit 2 Untersuchungsproblem Problemstellung Fragestellungen
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrInhaltsverzeichnis. Teil I Einführung in R 43. Vorwort 11. Fragestellungen und Methoden 13. Kapitel 1 Einführung 17
Vorwort 11 Fragestellungen und Methoden 13 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von R... 20 1.4 WiekanndiesesBuchverwendetwerden?... 20 1.5
MehrDie Bundestagswahlen Bestimmungsfaktoren im Ost-West- Vergleich und über die Zeit hinweg. Sommersemester 2005
Die Bundestagswahlen 1990-2002. Bestimmungsfaktoren im Ost-West- Vergleich und über die Zeit hinweg Sommersemester 2005 Übersicht Sozialstrukturelle Merkmale und Parteibindungen Wiederholung Empirische
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrStatistik mit MATHCAD und MATLAB
Hans Benker Statistik mit MATHCAD und MATLAB Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik für Ingenieure und Naturwissenschaftler Mit 31 Abbildungen Springer Einleitung 1 1.1
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrJohn Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer
John Komlos Bernd Süssmuth Empirische Ökonomie Eine Einführung in Methoden und Anwendungen 4y Springer 1 Einführung 1 1.1 Ökonometrie 1 2 Vorüberlegungen und Grundbegriffe 7 2.1 Statistik als Grundlage
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse und Modellbildung
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
Mehrlimhatewerzeoelhiniii
limhatewerzeoelhiniii Vorwort 13 Kapitel 1 Einleitung 15 1.1 Wozu brauchen wir Statistik? 16 1.2 Medizinische Statistik 16 1.3 Beschreibende und schließende Statistik 17 1.4 Das Buch in Kürze 17 Kapitel
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:
MehrLogistische Regression
Logistische Regression Markus Kalisch 30.09.2014 1 Big Picture: Statistisches Lernen Supervised Learning (X,Y) Unsupervised Learning X VL 7, 11, 12 Regression Y kontinuierlich VL 1, 2, 4, 5, 6 Klassifikation
MehrÜberblick über die heutige Veranstaltung. Unterschiedliche Arten von Umfragedaten: Querschnitte: Serielle Querschnitte
Überblick über die heutige Veranstaltung 1. Darstellung verschiedener Datenarten in den Sozialwissenschaften 2. Vorstellung eines Datensatzes zur Analyse von Familienentwicklungsprozessen: Das sozioökonomische
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrTeil I: Mathematik ohne Anwendungsbezüge
Inhaltsverzeichnis 1 Teil I: Mathematik ohne Anwendungsbezüge 1 Elementares Handwerkszeug 1.1 Vorrangregeln und Klammersetzung... 21 1.1.1 Beispiele dafür, wie es richtig gemacht wird... 21 1.1.2 Aufgaben...
MehrUntersuchung der medialen Darstellung des Amoklaufs in Erfurt und dessen Wirkung auf die Mediennutzung
Universität zu Köln Seminar für Soziologie Untersuchung der medialen Darstellung des Amoklaufs in Erfurt und dessen Wirkung auf die Mediennutzung Forschungsprojekt: Mediennutzung, sozialer und medialer
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II
6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete
MehrAllgemeine diskrete Wahrscheinlichkeitsräume I
6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete
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...
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrUwe Hassler. Statistik im. Bachelor-Studium. Eine Einführung. für Wirtschaftswissenschaftler. ^ Springer Gabler
Uwe Hassler Statistik im Bachelor-Studium Eine Einführung für Wirtschaftswissenschaftler ^ Springer Gabler 1 Einführung 1 2 Beschreibende Methoden univariater Datenanalyse 5 2.1 Grundbegriffe 5 2.2 Häufigkeitsverteilungen
MehrVet. Med. Uni. Budapest 4. Übung Biomathematik 2017
4. Übung (Wahrscheinlichkeitsverteilungen) Man wird erst Fragestellung(en) formuliert und dann mit Hilfe des R-Programms gibt man eine Antwort auf die formulierte Frage(n). Verteilung einer Zufallsvariable
MehrBerechnung des LOG-RANK-Tests bei Überlebenskurven
Statistik 1 Berechnung des LOG-RANK-Tests bei Überlebenskurven Hans-Dieter Spies inventiv Health Germany GmbH Brandenburger Weg 3 60437 Frankfurt hd.spies@t-online.de Zusammenfassung Mit Hilfe von Überlebenskurven
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrGesundheitliche Ungleichheit am Beispiel psychischer Erkrankungen
Gesundheitliche Ungleichheit am Beispiel psychischer Erkrankungen Eine Mikroanalyse am Datensatz Abgeschlossene Rehabilitation im Versicherungsverlauf 2009 FDZ-RV Workshop, 14. und 15. Juni 2012 Julia
MehrDie Altersabhängigkeit des Scheidungsrisikos
Die Altersabhängigkeit des Scheidungsrisikos Vortrag für die Jahrestagung der Deutschen Gesellschaft für Demographie: Soziale Ungleichheit und demographischer Wandel am 6.-8. März 2013 in Berlin. Ingmar
MehrKapitel 10. Multikollinearität. Exakte Multikollinearität Beinahe Multikollinearität
Kapitel 0 Multikollinearität Exakte Multikollinearität Beinahe Multikollinearität Exakte Multikollinearität Unser Modell lautet y = Xb + u, Dimension von X: n x k Annahme : rg(x) = k Wenn sich eine oder
MehrSTATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrUNTERRICHTSVORHABEN 1
UNTERRICHTSVORHABEN 1 Thema: Arithmetik/Algebra mit Zahlen und Symbolen umgehen ggf. fächerverbindende Kooperation mit Umfang: 6 Wochen Jahrgangsstufe 7 Rechnen mit rationalen Zahlen Ordnen ordnen und
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten
MehrStatistik für Ingenieure und Naturwissenschaftler
Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten
MehrCoole Biometrie Eiskalt erwischt!
Coole Biometrie Eiskalt erwischt! Magst Du immer nur aus Büchern lernen? Nein, lass uns selbst ein Experiment machen! Das coole Experiment Wie lange kann man die Hand in Eiswasser halten? Versuch in 2
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
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
MehrEntwicklung und Überprüfung eines Indexes zur Beurteilung des Risikos physischer und sozialer Beeinträchtigungen durch die Arbeitszeitgestaltung
Entwicklung und Überprüfung eines Indexes zur Beurteilung des Risikos physischer und sozialer Beeinträchtigungen durch die Arbeitszeitgestaltung Ole Giebel Carsten Schomann Friedhelm Nachreiner Einleitung
MehrGeorg-August-Universität Göttingen Modul P.SPS.01: Introduction to Mixed Models and Spatial Statistics
Modul P.SPS.01 Modul P.SPS.01: Introduction to Mixed Models and Spatial Statistics Im Rahmen dieses Moduls werden fundierte Methodenkenntnisse vermittelt, die im Bereich der gemischten Modelle und der
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrZeit- und Einkommensarmut in Deutschland
FFB Forschungsinstitut Freie Berufe Universität Lüneburg Tim Rathjen Zeit- und Einkommensarmut in Deutschland Multidimensionale Analysen mit Zeitverwendungsdaten Nomos Schriften des Forschungsinstituts
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
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 (3) Überblick. Deskriptive Statistik I 2. Deskriptive
Mehr