Ü B U N G S S K R I P T S T A T I S T I K
|
|
- Emil Karlheinz Schenck
- vor 5 Jahren
- Abrufe
Transkript
1 Ü B U N G S S K R I P T S T A T I S T I K A. Ploner H. Strelec C. Yassouridis Universität für Bodenkultur Department für Raum, Landschaft und Infrastruktur Institut für Angewandte Statistik & EDV Peter-Jordan-Strasse 82, 1190 Wien
2 Inhaltsverzeichnis 2 Beschreibende Statistik 3 Beispiele Lösungen Wahrscheinlichkeitsrechnung 14 Beispiele Lösungen Normalverteilungsverfahren 22 Beispiele Lösungen Varianzanalyse 42 Beispiele Lösungen Mehrfache Gruppenvergleiche 54 Beispiele Lösungen Regressions und Korrelationsrechnung 58 Beispiele Lösungen Nichtparametrische Verfahren 70 Beispiele Lösungen Kontingenztafeln 89 Beispiele Lösungen Statistische Qualitätskontrolle 94 Beispiele Lösungen
3 Kapitel 2 Beschreibende Statistik Beispiele Beispiel Frauen mit Bluthochdruck werden untersucht, wobei u.a. das Gewicht gemessen wurde. Die folgende Tabelle zeigt jeweils das Verhältnis des beobachteten Körpergewichtes zum sogenannten Normgewicht (in %): a) Zeichnen Sie ein Histogramm und das dazugehörende Summenhäufigkeitspolygon. b) Berechnen Sie den arithmetischen Mittelwert aus den nichtklassierten und aus den klassierten Werten sowie den Median. c) Berechnen Sie Varianz, Standardabweichung und den Variationskoeffizienten. d) Berechnen Sie das 0.05-, 0.10-, und 0.95-Quantil, die Quartile und den Interquartilabstand. e) Berechnen Sie Schiefe und interpretieren Sie ihre Bedeutung für die Verteilung der Daten. f) Zeichnen Sie eine Boxplot-Darstellung der Daten. Beispiel 2.2 Am Brillenschötchen (Biscutella laevigata) werden botanisch-morphologische Untersuchungen durchgeführt. Dabei ist u.a. an 40 Exemplaren die Spaltöffnungslänge (in µm) gemessen worden:
4 4 KAPITEL 2. BESCHREIBENDE STATISTIK a) Zeichnen Sie ein Histogramm und das dazugehörende Summenhäufigkeitspolygon. b) Berechnen Sie den arithmetischen Mittelwert aus den nichtklassierten und aus den klassierten Werten sowie den Median. c) Berechnen Sie Varianz, Standardabweichung und den Variationskoeffizienten. d) Berechnen Sie das 0.05-, 0.10-, und 0.95-Quantil, die Quartile und den Interquartilabstand. e) Berechnen Sie Schiefe und interpretieren Sie ihre Bedeutung für die Verteilung der Daten. f) Zeichnen Sie eine Boxplot-Darstellung der Daten. Beispiel 2.3 Bei einem Sojabohnenversuch im Forschungsglashaus wurde u.a. der Ertrag verschiedener Sorten untersucht. Für die Sorte Labrador konnten in 55 Töpfen folgende Ertragswerte (in f) festgestellt werden: a) Zeichnen Sie ein Histogramm der Daten. b) Berechnen Sie den arithmetischen Mittelwert aus den nichtklassierten und aus den klassierten Werten sowie den Median. c) Berechnen Sie Varianz und Standardabweichung der Stichprobe. d) Berechnen Sie die Quartile des Datensatzes. Unter welchem Wert liegen die niedrigsten 30% der Erträge? Über welchem Wert liegen die größten 30% der Erträge? e) Berechnen Sie Schiefe und interpretieren Sie ihre Bedeutung für die Verteilung der Daten. f) Zeichnen Sie eine Boxplot-Darstellung der Daten. Beispiel 2.4 Im Mai und im Juni 1992 wurden Luftmessungen in Roosevelt Island durchgeführt. Unter anderem ergaben sich für die Temperaturen (in Grad Celsius) folgende Messprotokolle: Mai: Juni:
5 a) Zeichnen Sie ein Histogramm für den Monat Mai. b) Berechnen Sie den arithmetischen Mittelwert und den Median für beide Monate. c) Berechnen Sie Varianz, Standardabweichung und den Variationskoeffizienten für beide Monate. d) Berechnen Sie das 0.05-, 0.10-, und 0.95-Quantil und die Quartile für beide Monate. e) Zeichnen Sie eine Boxplot-Darstellung für beide Monate getrennt, aber mit einer gemeinsamen Skalierung. f) Vergleichen Sie die Temperaturverteilung der beiden Monate verbal auf Grund der von Ihnen berechneten Kennzahlen und der angefertigten Graphiken. Lösungen Lösung 2.1 a) Histogramm: Von Bis Anzahl Man beachte: Jeweils einschließlich rechter Klassengrenze! Summenhäufigkeitspolygon: Klassengrenze akkumulierte relat. Häufigkeit 90 4/62 = /62 = /62 = Kann direkt aus dem Histogramm erstellt werden, die akkumulierten relativen Klassenhäufigkeiten werden über der rechten Klassengrenze aufgetragen.
6 6 KAPITEL 2. BESCHREIBENDE STATISTIK Abbildung 2.1: Histogramm und Summenpolygon für Beispiel 2.1 b,c) Lage- und Streuungsmaße: Für die händische Berechnung von Mittelwerten etc. ist es i.a. günstig, sich zunächst die Summe der Werte und der quadrierten Werte zu verschaffen. Hier sind dies x i = 7195 x 2 i = Mittelwert: x = 1 n n x i = 1 62 ( ) = = 7195/62 = Mittelwert klassiert: x K = 1 kj=1 n c j h j wobei c j Klassenmitte k Klassenanzahl Klassenhäufigkeit h j Für die vorliegenden Daten ergibt sich unter Verwendung der Klassierung des Histogramms: x K = 1 62 ( ) = Median: = 7180/62 = x = 1 2 (x (31) + x (32) ) = 1 2 ( ) = 117 Varianz: s 2 1 = n n 1 (x i x) 2 = 1 n 1 ( n x 2 i n x2 ) = =
7 7 Standardabweichung: s = Variationskoeffizient (sinnvoll wegen x 0): v = s/ x = 16.73/ = d) Quantile/Quartile: Um etwa das 5%-Quantil zu bestimmen, wird zunächst die Anzahl von Beobachtungen plus eins mit dem entsprechenden α = 0.05 multipliziert; dies ergibt hier 3.15, das Quantil liegt also zwischen dem 3. und 4. Wert. Da dies gerade zweimal der Wert 89 ist, ist dies das berechnete (geschätzte) 5%-Quantil. Für das 95%-Quantil hingegen, wo die beiden Endpunkte nicht übereinstimmen, verwenden wir deren arithmetischen Mittelwert. Interquartilabstand: Q 3 Q 1 = 21 α nα [nα] + 1 q α e) Gestaltmaße: hier benötigt man als Hilfsgrößen noch zusätzlich die Summe der zur dritten und vierten Potenz erhobenen Werte, für die vorliegenden Daten x 3 i = Schiefe: ˆγ 1 = 1 (x i x) 3 /s 3 n = 1 n n ( x 3 i 3 x x 2 i + 3 x 2 n x i n x 3 )/s 3 = 1 n n ( x 3 i 3 n ( n x i )( x 2 i ) + 2 n n 2 ( x i ) 3 )/s 3 = Die Schiefe ist positiv, die Verteilung der Daten ist also (leicht) linkssteil und rechtsschief (siehe Histogramm). f) Box-Plot: Die benötigten Kenngrößen wurden bereits berechnet: Median: x = 117
8 8 KAPITEL 2. BESCHREIBENDE STATISTIK Quartile: Q 1 = 103, Q 3 = 124 Interquartilabstand: IQR = 21 Damit kann der Boxplot konstruiert werden: Maximale Whiskerlänge: 1.5 IQR = 31.5 Grenzen: Q IQR = 71.5, Q IQR = Kleinster/größter Wert innerhalb der Grenzen: 81, 153 Ausreisser (Werte ausserhalb der Grenzen): Lösung 2.2 Abbildung 2.2: Boxplot für Beispiel 2.1 a) Histogramm/Summenhäufigkeitspolygon: siehe Abbildung. b,c) Lage- und Streuungsmaße: x i = 1116 x 2 i = x 3 i = Mittelwert nichtklassiert: x = Mittelwert klassiert: x K = Median: x = 28
9 Abbildung 2.3: Histogramm und Summenpolygon für Beispiel 2.2 Varianz: s 2 = Standardabweichung: s = 3.38 Variationskoeffizient: v = 0.12 d) Quantile, Quartile: α nα [(nα), (nα) + 1] q α [2,3] [4,5] [10,11] [30,31] [36,37] [38,39] 33.5 Interquartilabstand: Q 3 Q 1 = 5 e) Gestaltmaße: Schiefe: ˆγ 1 = Die Schiefe ist positiv, also ist die Verteilung der Daten linkssteil/rechtsschief (siehe Histogramm). f) Boxplot: Siehe Abbildung - keine Ausreißer.
10 10 KAPITEL 2. BESCHREIBENDE STATISTIK Abbildung 2.4: Boxplot für Beispiel 2.2 Lösung 2.3 a) Histogramm Abbildung 2.5: Histogramm für Beispiel 2.3 b,c) Lage und Streuungsmaße:
11 11 x i = 5139 x 2 i = x 3 i = Mittelwert nichtklassiert: x = Mittelwert klassiert: x K = ( )/55 = 5095/55 = Median: x = x (28) = 94 Varianz: s 2 = ( /55)/54 = Standardabweichung: s = d) Quantile/Quartile: α nα [nα] + 1 q α % der Erträge liegen unter 86.5 g. 30% der Erträge liegen über g. e) Gestaltmaße: Schiefe: ˆγ 1 = 1 ( n x 3 i 3 n n ( n x i )( x 2 i ) + 2 n ) n 2 ( x i ) 3 /s 3 = / / = 0.13 Dementsprechend ist die Verteilung der Erträge leicht rechtssteil/linksschief. f) Boxplot: Bekannt: Also: x = 94 Q 1 = 85 Q 3 = 103 IQR = 18 untere Grenze: 58 obere Grenze: 130 Da kleinster und größter Ertrag (63/119) innerhalb der Grenzen liegen, werden keine Ausreißer eingetragen.
12 12 KAPITEL 2. BESCHREIBENDE STATISTIK Abbildung 2.6: Boxplot für Beispiel 2.3 Lösung 2.4 a) Histogramm Mai: siehe Abbildung 2.7. Beachten Sie, dass das Histogramm auf Grund der ursprünglichen Werte (inklusive Zehntelstelle) gebildet wird! Sie können zwar die Klasseneinteilung aus der Stamm- und Blattdarstellung übernehmen, beim Abzählen der Klassenhäufigkeiten sind aber nur die vollständigen Werte korrekt. b,c) Lage und Streuungsmaße: xi x 2 i x x s 2 s v Mai: Juni: d) Quantile: Hier können die Quantile nicht direkt aus den Stamm- und Blattdarstellungen abgelesen werden, da in diesen die letzte Stelle nicht aufscheint! Mai: α nα [nα] + 1 q α
13 13 e) Boxplot: Juni: α nα [nα] + 1 bzw.[(nα), (nα) + 1] q α [3,4] [27,28] Mai: untere Grenze = 7 obere Grenze = 28.6 Juni: untere Grenze = obere Grenze = f) Interpretation: Wie aus dem Boxplot ersichtlich, unterscheiden sich die Temperaturverteilungen der beiden Monate v.a. durch ihre Lage, indem die mittlere Temperatur im Juni um mehr als 7 Grad höher ist als im Mai. Die Streuung, gemessen als Standardabweichung, ist für beide Monate bis auf Zehntelgrade gleich. Die zwei niedrigsten Werte im Juni erscheinen zwar in der Stamm- und Blattdarstellung etwas abgesetzt vom Hauptteil der Beobachtungen, sind aber im Boxplot nicht als Ausreißer eingetragen. Beide Verteilungen erscheinen im wesentlichen symmetrisch um ihre Mitte zu liegen; im Boxplot erscheint der Juni symmetrischer (Median in der Mitte der Box, Bänder annähernd gleich lang), während für den Mai Mittelwert und Median besser übereinstimmen, und die Stamm- und Blattdarstellung symmetrischer wirkt. Insgesamt erscheinen die Temperaturen im Mai einer flacheren Verteilung zu folgen als im Juni Mai Juni Abbildung 2.7: Histogramm (Mai) und Boxplots für Beispiel 2.4
Verfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
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
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
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
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
MehrÜ B U N G S S K R I P T S T A T I S T I K
Ü B U N G S S K R I P T S T A T I S T I K A. Ploner H. Strelec C. Yassouridis M. Melcher Universität für Bodenkultur Department für Raum, Landschaft und Infrastruktur Institut für Angewandte Statistik
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
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
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
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
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
MehrDeskriptive Statistik
Deskriptive Statistik Lösungen+ Aufgabe 1.1 (a) Sammelnde Statistik: Wahl einer zufälligen Stichprobe aus der Grundgesamtheit. (b) Beschreibende (deskriptive) Statistik: Aufbereitung der Stichprobe (oder
MehrAufgabe 3 Bei 16 PKWs desselben Typs wurde der Benzinverbrauch pro 100 km gemessen. Dabei ergab sich die folgende Urliste (in Liter pro 100km):
Mathematik II für Naturwissenschaften Dr. Christine Zehrt 21.02.19 Übung 1 (für Pharma/Geo/Bio/Stat) Uni Basel Besprechung der Lösungen: 26./27. Februar 2019 in den Übungsstunden Bestimmen Sie zu den folgenden
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
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
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
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
MehrÜbungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker
Übungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker 08.11.01 Modell Temperatur unter Last Anschluss in Grad Celsius in Grad Fahrenheit Corsair Force 10
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 27. Juni 2009 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: (6 Punkte) a) Wie viel Prozent der Beobachtungen liegen beim Box-Plot außerhalb der
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
MehrÜbungsrunde 2, Gruppe 2 LVA , Übungsrunde 1, Gruppe 2, Markus Nemetz, TU Wien, 10/2006
1 1.2.3.4. 1.1 Angabe Übungsrunde 2, Gruppe 2 LVA 107.369, Übungsrunde 1, Gruppe 2, 24.10. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 10/2006 Bestimmen Sie für den Datensatz bulb.dat die Quartile,
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
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,
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2008 Stichproben Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrTeil VII. Deskriptive Statistik. Woche 5: Deskriptive Statistik. Arbeitsschritte der Datenanalyse. Lernziele
Woche 5: Deskriptive Statistik Teil VII Patric Müller Deskriptive Statistik ETHZ WBL 17/19, 22.05.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit
MehrStatistik und Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Im ersten Schritt werden wir die Daten nur beschreiben:
MehrPhallosan-Studie. Statistischer Bericht
Phallosan-Studie Statistischer Bericht Verfasser: Dr. Clemens Tilke 15.04.2005 1/36 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Einleitung... 3 Alter der Patienten... 4 Körpergewicht... 6 Penisumfang...
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2014/15.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2014/15 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrWirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrKapitel 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
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:
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrTeil IV Deskriptive Statistik
Woche 5: Deskriptive Statistik Teil IV Deskriptive Statistik WBL 15/17, 18.05.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner Fachhochschule Haute école spécialisée
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrStatistik Skalen (Gurtner 2004)
Statistik Skalen (Gurtner 2004) Nominalskala: Daten haben nur Namen(Nomen) und (eigentlich) keinen Zahlenwert Es kann nur der Modus ( ofteste Wert) berechnet werden Beispiel 1: Die Befragung von 48 Personen
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrQualität und Zuverlässigkeit - Statistik Master MB
Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiÿ Sommersemester 2014 Qualität und Zuverlässigkeit - Statistik Master MB Material zum Kapitel 1: Grundbegrie der beschreibenden Statistik Beispiel
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2012
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 202 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
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
MehrUniv.-Prof. Dr. Georg Wydra
Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrBOXPLOT 1. Begründung. Boxplot A B C
BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 205/6 Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrKlausur: Statistik. Jürgen Meisel. Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung. 1.) Mittelwerte und Streumaße
Klausur: Statistik Jürgen Meisel Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung Bearbeitungszeit: 60 Minuten 1.) Mittelwerte und Streumaße In einer Vorlesung auf der Universität sitzen 30 Studenten
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrHäufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrW-Rechnung und Statistik für Ingenieure Übung 4
W-Rechnung und Statistik für Ingenieure Übung 4 Aufgabe 1 : Zementdaten Lösung in R: Lade den Datensatz SETTING.DAT: Die erste Spalte von setting gibt die prozentualen Anteile von a wieder, die Zweite
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc
SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung
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
MehrStochastik-Praktikum
Stochastik-Praktikum Deskriptive Statistik Peter Frentrup Humboldt-Universität zu Berlin 7. November 2017 (Humboldt-Universität zu Berlin) Zufallszahlen und Monte Carlo 7. November 2017 1 / 27 Übersicht
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
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 zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
MehrLÖSUNG 2C a. Bei HHEINK handelt es sich um eine metrische Variable.
LÖSUNG 2C a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrBiostatistik, Sommer 2017
1/59 Biostatistik, Sommer 2017 Beschreibende Statistik Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 19.05.2017 2/59 Inhalt 1 Vorbetrachtungen 2 Beschreibende Statistik Beispiel: Versuch zur
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrSTATISTIK I Übung 07 Box-Plots und Stem-and-Leaf-Diagramme. 1 Kurze Wiederholung. Warum nur zwei grafische Darstellungsformen?
STATISTIK I Übung 07 Box-Plots und Stem-and-Leaf-Diagramme 1 Kurze Wiederholung Warum nur zwei grafische Darstellungsformen? Im Rahmen der Vorlesungen haben wir kurz eine ganze Reihe grafischer Darstellungsformen
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 14. Oktober 2006 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: Kreuze die jeweils richtige Antwort an (maximal 6 Punkte) 1.1. Bei einer rechtsschiefen
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.........................................
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
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
Mehr