Lage- und Streuungsmaße
|
|
- Curt Beutel
- vor 5 Jahren
- Abrufe
Transkript
1 Statistik 1 für SoziologInnen Lage- und Streuungsmaße Univ.Prof. Dr. Marcus Hudec
2 Streuungsmaße Statistische Maßzahlen, welche die Variabilität oder die Streubreite in den Daten messen. Sie beschreiben die Abweichung vom Zentrum einer Häufigkeitsverteilung Wie eng liegen die Merkmalsausprägungen eines quantitativen Merkmals beieinander? Maßzahlen: Differenz von Quantilen Summe der Abstände aller Merkmalsausprägungen von einem Lagemaß Statistik 1 - Lage- und Streuungsmaßzahlen
3 Beispiel: Altersverteilungen mit gleichem Mittel Gruppe A Gruppe B Gruppe A Gruppe B Durchschnitt 37,1 37,1 Minimum x (1) 1,0 1,0 Maximum x (n) 57,0 57,0 Spannweite x (n) - x (1) 36,0 36, bis 9 30 bis bis bis bis 70 3 Statistik 1 - Lage- und Streuungsmaßzahlen
4 Verschiedene Verteilungen Alle 3 Verteilungen sind unimodal, symmetrisch und weisen Verschiedene Normalverteilungen den selben Mittelwert auf N(0; 0,5) Sie unterscheiden sich in Bezug auf ihre Streuung um den Mittelwert! N(0; 1) N(0; 4) Statistik 1 - Lage- und Streuungsmaßzahlen
5 Streuungsmaße (1) Spannweite (range) Differenz zwischen größtem und kleinstem Wert einer numerischen Variablen; Wertebereich, in dem alle Merkmalswerte liegen R x x ( n ) (1) Für die Praxis der Streuungsmessung oft nur wenig aussagekräftig, da stark von einzelnen Beobachtungen abhängig 5 Statistik 1 - Lage- und Streuungsmaßzahlen
6 Streuungsmaße () Quartilsabstand (IQ-range) Differenz zwischen drittem und erstem Quartil; Innerhalb des Quartilsabstandes liegen 50% der Werte; unempfindlich gegenüber Extremwerten ~ x ~ x 0,75 0,5 Entspricht genau der Boxlänge im Boxplot Hinweis zur Notation: Zur besseren Markierung der Quantile verwenden wir über dem x das Symbol ~ 6 Statistik 1 - Lage- und Streuungsmaßzahlen
7 Abstände vom arithmetischen Mittel Arithmetische Mittel Die positiven und negativen Abweichungen vom arithmetischen Mittel kompensieren einander und summieren sich immer zu null. n (x x) 0 x nx i i1 i1 n i 7 Statistik 1 - Lage- und Streuungsmaßzahlen
8 Mittlere Absolutabstände von einem Lagemaß Mittlere absolute Abweichung vom Median (mean absolute deviation (from the median) - MD) 1 n i n i 1 MD x x Mittlere absolute Abweichung vom arithmetischen Mittel (mean absolute deviation (from the mean) - MAA) 1 n i n i 1 MAA x x Median der absoluten Abweichungen vom Median (median absolute deviation - MAD) MAD median( x x ) 8 Statistik 1 - Lage- und Streuungsmaßzahlen i
9 Mittlerer quadrierter Abstand vom Mittelwert Varianz (variance) n 1 n i 1 x i x Die mittlere quadrierte Abweichung vom arithmetischen Mittel Häufig wird in der Praxis auch statt durch n durch n-1 dividiert. Dies ist v.a. dann sinnvoll, wenn man auf der Basis einer Stichprobe Aussagen für die Grundgesamtheit treffen möchte (Erklärung folgt im.semester) Excel-Funktionen: Varianz (n-1) bzw. Varianzen (n) 9 Statistik 1 - Lage- und Streuungsmaßzahlen
10 Berechnung von Streuungsmaßen (siehe Excel) Nr. Gruppe A Abweichung vom Mittel Absolute Abweichung vom Median Quadratierte Abweichung vom Mittel Nr. Abweichung Gruppe B vom Mittel Absolute Abweichung vom Median Quadratierte Abweichung vom Mittel ,1 10,0 170, ,1 16,0 57,6 34-3,1 0,0 9,3 35 -,1,0 4, ,1 0,0 9, ,1 3,0 9, ,1 1,0 4, ,0 0,0 0, ,1 11,0 197, ,1,0 4, 6 3-5,1,0 5, ,1 1,0 1, ,1 13,0 57, ,0 0,0 0, ,1,0 1, ,1 3,0 9, ,1 4,0 49, ,1,0 4, ,1,0 5, ,0,0 3, ,1 0,0 9, ,0 0,0 398, ,0 4,0 0, ,0 0,0 0, ,1 1,0 6, ,1 1,0 1, ,0 19,0 54, ,0 1,0 0, ,0 0,0 87, ,0 0,0 0, ,0 17,0 194, ,1 3,0 9, ,1 11,0 197, ,0 1,0 0, ,0 3,0 398, ,0,0 3, ,0 0,0 87, ,0 3,0 8, ,0 0,0 87, ,0 5,0 4,5 Summe: 0,0 191,0 893,0 Summe: 0,0 67,0 741,0 9,55 144,6 3,35 37,0 MD Varianz MD Varianz 10 Statistik 1 - Lage- und Streuungsmaßzahlen
11 Abgeleitete Streuungsparameter Standardabweichung (standard deviation) n 1 n i 1 x i x Quadratwurzel aus der Varianz Ist wieder in derselben Dimension wie die Beobachtungen und ist somit anschaulicher als die Varianz Variationskoeffizient (coefficient of variance) v x bzw. Standardabweichung ausgedrückt in Einheiten des Mittelwerts; dimensionslose Größe gut geeignet für Vergleiche 11 Statistik 1 - Lage- und Streuungsmaßzahlen v 100 x
12 Beispiel: Altersverteilungen mit gleichem Mittel Gruppe A Gruppe B Gruppe A Gruppe B Durchschnitt 37,1 37,1 Minimum x (1) 1,0 1,0 Maximum x (n) 57,0 57,0 Spannweite x (n) - x (1) 36,0 36,0 Varianz ² 144,6 37,0 Std.Abw. 1,0 6,1 Variationskoeffizient v 3% 16% 1.Quartil 8,5 35,0.Quartil 34,0 37,0 3.Quartil 51,5 38,3 Median 34,0 37,0 IQ-Distanz 3,0 3, bis 9 30 bis bis bis bis 70 1 Statistik 1 - Lage- und Streuungsmaßzahlen
13 Standardabweichung & Intervalle Die Standardabweichung bildet den Ausgangspunkt für Konfidenzaussagen (siehe WS) Intervalle sind oft reliabler als punktuelle Aussagen Falls die Daten einer Normalverteilung folgen (Gaußsche Glockenkurve) liegen etwa 95% der Daten in dem Intervall zwischen Mittelwert minus bzw. Mittelwert plus zweifacher Standardabweichung 13 Statistik 1 - Lage- und Streuungsmaßzahlen
14 Bedeutung des Variationskoeffizienten Eine Standardabweichung von 300,- beim monatlichen Einkommen ist in einer Gesellschaftsschicht mit einem Durchschnittseinkommen von 1.500,- von wesentlich größerer Bedeutung als in einer Gruppe von Einkommensbeziehern, die im Monatsdurchschnitt.400,- verdienen. In der ersten Gruppe ist der Variationskoeffizient 0%, während er in der zweiten Gruppe nur 1,5% beträgt, obwohl die Standardabweichung in beiden Gruppen gleich groß ist. v 100 x 14 Statistik 1 - Lage- und Streuungsmaßzahlen
15 Volatilität Die Volatilität gilt als Einschätzung des künftigen Risikos einer Aktie. Als Maß für die Volatilität verwendet man häufig den Variationskoeffizienten Beispiel: Im Durchschnitt über 50 Handelstage betrug der mittlere Kurs einer Aktie A 50,59 bei einer Standardabweichung von 36,18. Über den selben Vergleichszeitraum betrug der mittlere Kurs einer Aktie B 396,10 bei einer Standardabweichung von 18,96. Obwohl die Standardabweichung der Aktie A deutlich geringer ist, muss ein Investor hier mit einem größeren Risiko rechnen als bei der Aktie B, dies wird durch den Variationskoeffizienten quantifiziert: VK A =36,18/50,59*100=7% VK B =18,96/396,10*100=46% 15 Statistik 1 - Lage- und Streuungsmaßzahlen v 100 x
16 Rechenbeispiel: Reaktionszeiten i x i x i -xq abs(x i -xq) abs(x i -Median) (x i -xq)² 1 0,300 0,04 0,04 0,035 0, ,10-0,048 0,048 0,055 0, ,190-0,068 0,068 0,075 0, ,70 0,01 0,01 0,005 0, ,30 0,06 0,06 0,055 0, ,300 0,04 0,04 0,035 0, ,60 0,00 0,00 0,005 0, ,0-0,038 0,038 0,045 0, ,310 0,05 0,05 0,045 0, ,00-0,058 0,058 0,065 0,00336 Summe,58 0,00 0,44 0,40 0,0196 Arithmetisches Mittel Median 0,58 0,65 Hinweis: xq steht für das arithmetische Mittel das ja als x-quer gesprochen wird MD: 0,04 Mittlere absolute Abweichung vom Median MAA: 0,04 Mittlere absolute Abweichung vom arithmetischen Mittel MAD: 0,045 Median der absoluten Abweichungen vom Median Varianz ² 0,00196 Standardabweichung 0,0469 Variationskoeffizient v 18,% 16 Statistik 1 - Lage- und Streuungsmaßzahlen
17 Interpretation Die Angabe der Standardabweichung erfolgt oft in der Form arithm. Mittel plus/minus Standardabweichung Im Beispiel: 0,580,047 x Unter der Annahme einer Normalverteilung (Form der Häufigkeitsdichte entspricht einer Glockenkurve) liegen ca. 95% der Datenpunkte in einem Bereich von x arithm. Mittel plus/minus zweifache Standardabweichung Unabhängig von der Form der Verteilung liegen immer 75% der Datenpunkte in diesem Bereich. 17 Statistik 1 - Lage- und Streuungsmaßzahlen
18 Alternative Berechnungsformel 1 1 σ s x x x x n n i i n i1 n i1 Die Varianz ergibt sich auch als Mittelwert der quadrierten Einzelwerte minus dem Quadrat des Mittelwertes 18 Statistik 1 - Lage- und Streuungsmaßzahlen
19 Alternative Berechnungsformel im Beispiel i x i x i ² 1 0,30 0,09 0,1 0,04 3 0,19 0,04 4 0,7 0,07 =(1/10)*0,69-0,58² 5 0,3 0,10 0, ,30 0,09 7 0,6 0,07 8 0, 0,05 9 0,31 0, ,0 0,04 Summe,58 0,69 Arithmetisches Mittel (xq) 1 1 s x x x x s n n i i n i1 n i1 1 n n xi i1 i1 xi n =(1/10)*(0,69-,58²/10) 0,58 0,00196 s 1 n n n xi nx i1 =(1/10)*(0,69-10*0,58²) 0, Statistik 1 - Lage- und Streuungsmaßzahlen
20 Eigenschaften der Varianz (1) "Steiner scher Verschiebungssatz n i1 x a x x n x a i n i1 i Ausgangspunkt für die alternative Berechnungsformel der Varianz (a=0) Würde man statt der Summe der Quadrierten Differenzen vom arithmetischen Mittel irgendeine andere Konstante a für das Streuungsmaß heranziehen, würde sich das Ergebnis nur numerisch verschieben, aber keine andere Qualität aufweisen 0 Statistik 1 - Lage- und Streuungsmaßzahlen
21 Eigenschaften der Varianz () Auswirkung linearer Transformationen Wenn wir alle beobachteten Werte einer linearen Transformation unterziehen, welche die x i in y i überführt, stellt sich die Frage, was passiert mit der Varianz? x i y i σ (x) σ (y) Verschiebungs-Invarianz: d.h. die Verschiebung um die additive Konstante a wirkt sich auf die Varianz nicht aus! 1 Statistik 1 - Lage- und Streuungsmaßzahlen
22 Varianzermittlung aus Teilpopulationen Wir betrachten Teilpopulationen A und B Die Teilpopulation A umfasst n A Beobachtungen und hat einen Mittelwert Aund eine Varianz ² A Die Teilpopulation B umfasst n B Beobachtungen und hat einen Mittelwert Bund eine Varianz ² B Frage: Können wir aus den Parametern Mittelwert, Varianz und Größe der jeweiligen Teilpopulation auf die Varianz der gesamten Population bestehend aus A und B schließen? Statistik 1 - Lage- und Streuungsmaßzahlen
23 In diesem Fall lässt sich die gesamte Heterogenität aus der Heterogenität der Teilgruppen erklären! Gruppe A Gruppe B 3 Statistik 1 - Lage- und Streuungsmaßzahlen
24 Gesamte Heterogenität muss mehr sein als die Summe der Heterogenität in den einzelnen Gruppen! Gruppe A Heterogenität zwischen A und B muss berücksichtigt werden! Gruppe B 4 Statistik 1 - Lage- und Streuungsmaßzahlen
25 Varianzermittlung aus Teilpopulationen p n n n x x n x x A A B B A A B B A n A n n n n na n A B A B B p B n A nb n B p p p x x p x x A A B B A A B B Die gesamte Varianz ist das gewichtete Mittel der Teilvarianzen plus dem gewichteten Mittel der quadratischen Abweichungen der Gruppenmittel vom Gesamtmittel. Die totale Variabilität ist die Varianz in den Gruppen plus die Variabilität zwischen den Gruppen x Gesamtmittelwert n n n A B 5 Statistik 1 - Lage- und Streuungsmaßzahlen
26 Beispiel: Ermittlung des Mittelwertes aus Teilgesamtheiten Es liegen Daten aus Betrieben A und B vor: 400 Angestellte aus Betrieb A verdienen monatlich im Mittel 1.90, Angestellte aus Betrieb B verdienen monatlich im Mittel.01,17 Dann beträgt der Gesamtmittelwert nach dem Prinzip des gewogenen arithmetischen Mittels: 1.959,98 x Gesamt , , , Statistik 1 - Lage- und Streuungsmaßzahlen
27 Beispiel: Ermittlung der Varianz aus Teilgesamtheiten Das Einkommen der 400 Angestellten aus Betrieb A hat eine Standardabweichung von 0,3 Das Einkommen der 300 Angestellten aus Betrieb B hat eine Standardabweichung von 411,98 Dann beträgt die Standardabweichung der Angestellten beider Betriebe zusammen: 30, ,3² ,98² ² (190, ,98)² 300 (01, ,98)² , , 76 30,19 7 Statistik 1 - Lage- und Streuungsmaßzahlen
28 Standardisierung (z-transformation) Gegeben seien Beobachtungen x 1,..., x n mit Mittelwert und Varianz ² Gesucht ist eine lineare Transformation z i =a+bx i, so dass für die transformierten Daten das arithmetische Mittel 0 und die Varianz 1 wird. xi x x 1 zi xi x x x z x 1 x x a x b 0 z 1 x x Unterscheide dazu eine andere Art der Standardisierung: (xi-x(1))/(x(n)-x(1)) bildet x i in das Intervall [0,1] ab 1 8 Statistik 1 - Lage- und Streuungsmaßzahlen
29 Beispiel zur Standardisierung i x i x i -xq z i =(x i -xq)/ z i ² 1 0,30 0,040 0,8963 0, ,1-0,0480-1,043 1, ,19-0,0680-1,4511, ,7 0,010 0,561 0, ,3 0,060 1,330 1, ,30 0,040 0,8963 0, ,6 0,000 0,047 0, , -0,0380-0,8109 0, ,31 0,050 1,1097 1, ,0-0,0580-1,377 1, Summe,58 0,0000 0,00 10,00 Arithmetisches Mittel (z): 0 Arithmetisches Mittel (x): 0,58 Varianz(z): 1 Standardabweichung (x): 0,047 Standardabweichung (z): 1 9 Statistik 1 - Lage- und Streuungsmaßzahlen
30 SPSS Berechnung der deskriptiven Maßzahlen mittels SPSS 30 Statistik 1 - Lage- und Streuungsmaßzahlen
31 Ergebnisse von Descriptives Deskriptive Statistik Zeit für Hausaufgaben in h pro Woche Gültige Werte (Listenweise) N Statistik Statistik Statistik Statistik Statistik 0,75,75 3,50 13,4500 1, , ,54 0 Spannwei te Minimum Maximum Mittelwert Standard Varianz Standardf abweichu ehler Statistik Statistik Die Standardabweichung misst die Variabilität von Einzelbeobachtungen. Die Variabilität des Mittelwertes einer Gruppe von n Beobachtungen wird durch den Standardfehler quantifiziert: S.E. n 31 Statistik 1 - Lage- und Streuungsmaßzahlen
32 Standardabweichung vs. Standardfehler Scorewerte zwischen 0 und 100 bei n=100 Personen gemessen Arithmetisches Mittel 49,6 Standardabweichung 31,8 Variabilität der Einzelwerte Wir ziehen 10-mal eine zufällige Stichprobe von 9 Beobachtungen Sample-1 Sample- Sample-3 Sample-4 Sample-5 Sample-6 Sample-7 Sample-8 Sample-9 Sample arithm. Mittel 38,9 47,3 4,4 44,9 55,6 53,9 3,6 63,9 46,3 5,6 Standardfehler 10,6 Std.Abw. der 10 Stichprobenmittelwerte 10,4 Variabilität des Mittelwertes 3 Statistik 1 - Lage- und Streuungsmaßzahlen
33 Varianz bei diskreten Daten Treten nur k unterschiedliche Werte x 1,..., x k mit zugehörigen absoluten Häufigkeiten n 1,..., n k bzw. relativen Häufigkeiten h 1,..., h k auf, so ergibt sich die Varianz als: 1 k k x x n ( x x) h i i i i n i1 i1 k k i i i i i1 i1 1 ² n x x² h x x² n 33 Statistik 1 - Lage- und Streuungsmaßzahlen
34 Berechnung Varianz diskrete Daten Bei 1 Würfen mit dem Würfel wurde folgendes Ergebnis beobachtet: 5, 3, 4, 5, 5,, 6, 1, 4, 1, 3, 6 Die Summe der 1 Augenzahlen ist 45. Der Durchschnitt (das Arithmetische Mittel) dieser 1 Augenzahlen ist 3,75. Die Summe der quadrierten Augenzahlen beträgt =03 Demnach ist die Varianz: σ σ 1 s x nx s n i n i1 1/1(03 1*3, 75²),85 34 Statistik 1 - Lage- und Streuungsmaßzahlen
35 Berechnung mittels Häufigkeiten Hinweis: xq steht für das arithmetische Mittel das ja als x-quer gesprochen wird x i n i h i x i h i x i n i x i ²n i x i -xq (x i -xq)² (x i -xq)²h i (x i -xq)²n i 1 0,17 0,17 -,75 7,56 1,6 15,13 1 0,08 0,17 4-1,75 3,06 0,6 3,06 3 0,17 0, ,75 0,56 0,09 1,13 4 0,17 0, ,5 0,06 0,01 0, ,5 1, ,5 1,56 0,39 4,69 6 0,17 1,00 1 7,5 5,06 0,84 10,13 1 1,00 3, ,85 34,5 Arithmetisches Mittel 3,75 Varianz,85 Alternativ: 03/1-3,75²=,85 1 s n x x σ k ² i i ² n i 1 1 sσ x x n x x h k k i i ( i ) i n i1 i1 35 Statistik 1 - Lage- und Streuungsmaßzahlen
36 Berechnung bei klassifizierten Daten Sind die Daten in k Klassen eingeteilt, kann man auch die Varianz nur näherungsweise berechnen, indem man mit den Klassenmittelwerten m 1,..., m k arbeitet. 1 k k m i x ni ( mi x) hi n i1 i1 bzw. 1 k k m i ni x mi hi x n i1 i1 36 Statistik 1 - Lage- und Streuungsmaßzahlen
37 Rechenbeispiel:Varianz bei klassifizierten Daten Von Bis Anzahl m i h i m i *h i m ² i *h i ,1 0,1 0, ,3 0,96, ,3 1,9 11, ,16 1, ,08 1,8 0,48 SUMME ,88 51 Varianz 16,4 =(51-5,88²) Standardabweichung 4,05 Variationskoeffizient 0,69 37 Statistik 1 - Lage- und Streuungsmaßzahlen
38 Beispiel Körpergröße von 100 Studenten Klasse n i h i m i m i h i m i ²h i bis ,00 ( ] 3 0, ,59 70,7 ( ] 4 0, ,3 998,56 ( ] 10 0, ,30 656,90 ( ] 16 0, , ,84 ( ] 3 0, , ,67 ( ] 0 0, , ,80 ( ] 11 0, , ,79 ( ] 10 0, , ,40 ( ] 1 0, ,93 37,49 (195-00] 0, ,96 784, , ,80 Mittelwert= 174,30 Varianz= ,8-174,3²=88,31 Korrektur 86,3 Standardabweichung= 9,40 9,9 Exakte Berechnungen auf Basis der Urliste n= 100 Summe x = Summe x² = Arithmetisches Mittel = 174,4 Varianz= 83,78 Standardabweichung= 9,15 38 Statistik 1 - Lage- und Streuungsmaßzahlen
39 Sheppard-Korrektur Es lässt sich theoretisch zeigen, dass bei einer unimodalen Verteilung die auf der Basis der klassifizierten Daten berechnete Varianz größer ist als die aus den Originaldaten. Bei einer Klasseneinteilung mit konstanter Breite D kann der Fehler mit der sog. Sheppard-Korrektur annähernd ausgeglichen werden: D ² korr. ² 1 5 ² korr. 88,31 86, Statistik 1 - Lage- und Streuungsmaßzahlen
Statistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
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
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
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
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
Mehr(x i x) 2. (x i a) 2, x i x med. x i a. i=1. 3 Lage- und Streuungsmaße 134
Lagemaße als Lösung eines Optimierungsproblems 3.1 Lagemaße Gegeben sei die Urliste x 1,...,x n eines intervallskalierten Merkmals X, die zu einer Zahl a zusammengefasst werden soll. Man könnte sagen,
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
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
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
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
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 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
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
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
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
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
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
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
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,
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrStatistische Formeln und Tabellen
WiSt-Taschenbücher Statistische und Tabellen Kompakt für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller, Prof. Dr. Rafael Weißbach 13., überarbeitete Auflage Verlag Franz Vahlen München 015
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
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
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,
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
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
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
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
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
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
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
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche Antwort werden 2 Punkte abgezogen,
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrLagemasse und Streuung
Lagemasse und Streuung Benjamin Schlegel 07. März 2016 Lagemasse sagen etwas über die Lage und das Zentrum der Daten aus, Streuungsmasse, wie die Daten um dieses Zentrum gestreut sind. Lagemasse Lagemasse
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
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:
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
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
Mehrbenötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht.
, D 1 Kreuze die richtige Aussage an und stelle die anderen Aussagen richtig. A Das arithmetische Mittel kennzeichnet den mittleren Wert einer geordneten Datenliste. B Die Varianz erhält man, wenn man
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.........................................
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
MehrStatistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
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:
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
MehrZiel: Breite der Verteilung auf der Achse beschreiben nur bei quantitativen Merkmalen mo glich hier:
Kenngro ßen von Ha ufigkeitsverteilungen Glockenfo rmige Verteilungen Streuungsmaße 1 I I I Ziel: Breite der Verteilung auf der Achse beschreiben nur bei quantitativen Merkmalen mo glich hier: I I I Spannweite
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
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrMarcus Hudec. Statistik 2 für SoziologInnen. Grenzwertsätze. Marcus Hudec. Statistik für SoziologInnen 1 Zentraler Grenzwertsatz
Statistik 2 für SoziologInnen Grenzwertsätze Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und seine Bedeutung für die
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,
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
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
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrMarcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrMarcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Stetige Zufalls-Variable Erweitert man den Begriff der diskreten Zufallsvariable
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
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
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
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.
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
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
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
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 für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
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
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
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
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter Erwartsungswert und Varianz
Mehr