Statistik und Wahrscheinlichkeitsrechnung

Größe: px
Ab Seite anzeigen:

Download "Statistik und Wahrscheinlichkeitsrechnung"

Transkript

1 Statistik und Wahrscheinlichkeitsrechnung Übung

2 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation 2.5: Vorstellen der Gruppenaufgabe 2.4 Berechnungsbeispiele mit EXCEL

3 Numerische Zusammenfassungen Mittelwerte: Arithmetisches Mittel: Median: Modalwert: Streuungsmasse: Varianz / Standardabweichung: Variationskoeffizient : Schwerpunkt der Stichprobe Mittlerer Werteiner einer Stichprobe Am häufigsten vorkommender Wert Verteilung um den Mittelwert Variabilität relativ zum Mittelwert Andere Masse: Schiefekoeffizient: Schiefe relativ zum Mittelwert Kurtosis: Wölbung um den Mittelwert Masse für Korrelation: Kovarianz: Tendenz für paarweise beobachtete Eigenschaften Korrelationskoeffizient : NormalisierterKoeffizient zwischen 11 und

4 Zusammenfassung Graphische Darstellung Ein dimensionales Streudiagramm Veranschaulicht den Bereich und die Verteilung von Datenreihen entlang einer Achse, und zeigt Symmetrie. Zwei dimensionales Streudiagramm Veranschaulicht den paarweisen Zusammenhang von Daten. Histogramm Stellt die Verteilung von Daten über einem Bereich von Datenreihen dar, zeigt Modalwert und Symmetrie. Quantile Plot Tukey Boxplot Q Q Plot Mittel über Differenz Plot Stellt Median, Verteilung und Symmetrie dar. Stellt Median, obere/untere Quartile, Symmetrie und Verteilung dar. Vergleicht zwei Datenreihen, relativesbild. Vergleicht zwei Datenreihen, relatives Bild

5 Beschreibende Statistik Uns wurden die unten dargestellten Verkehrsdaten der Rosengartenstrasse in Zürich aus dem Monat April 2001 zur Auswertung übergeben. Richtung 1 gibt die Verkehrsbelastung zum Bucheggplatz, Richtung 2 die Belastung zum Escher Wyss Platz an

6 Was wollen wir wissen? Beschreibende Statistik Wie können wir das erfahren? Grafik, Histogramm numerische Zusammenfassung etc. Beispiel: Man will etwas über die Änderung des Verkehrs in Richtung 1 im Monat April erfahren. r Verkehr täglicher Monatstag

7 Was wollen wir wissen? Beschreibende Statistik Wie können wir das erfahren? Grafik, Histogramm numerische Zusammenfassung etc. Beispiel: Man will zusätzlich etwas über das Verhältnis der beiden Verkehrsströme erfahren. her Verkehr täglich Monatstag

8 Was wollen wir wissen? Beschreibende Statistik Wie können wir das erfahren? Grafik, Histogramm numerische Zusammenfassung etc. Beispiel: Man will zusätzlich über das Verhältnis der beiden Verkehrsströme erfahren, man benötigt aber keine Informationen der Zeit

9 Was wollen wir wissen? Beschreibende Statistik Wie können wir das erfahren? Grafik, Histogramm numerische Zusammenfassung etc. Beispiel: Man interessiert sich für die täglichen Verkehrsströme, in jede Richtung Richtung 1 Richtung 2 was ist bei diesem Vergleich nicht gut gelöst?

10 Wir üben heute Beschreibende Statistik wie man die Eigenschaften von gegebenen Daten darstellen kann, und zwar: Grafisch Häufigkeitsverteilung (Histogramm) kumulative Häufigkeitsverteilung Numerisch Mittelwert Standardabweichung Zusammenfassungeng Tukey Box Plot Korrelation von Datenreihen Anmerkung: Du kannst Excel, Matlab und/oder andere Statistikprogramme verwenden. ABER!!!!! Stelle IMMER sicher, Funktionen selbst einzusetzen oder zu prüfen, ob die Funktionen, die du vom verwendeten Programm bereitgestellt bekommst, mit denen des Skripts übereinstimmen!

11 Aufgabe 2.1 Erstelle von den erhobenen Verkehrsdaten nach deren Einteilung il in Klassen eine Häufigkeitsverteilung sowie eine kumulierte Häufigkeitsverteilung und stelle deren Verläufe in den geeigneten Graphen dar. Vergleiche die Verkehrsflüsse beider Richtungen

12 Aufgabe 2.1 Schritte: 1. Dt Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung zeichnen

13 Aufgabe 2.1 Statistik und Wahrscheinlichkeitsrechnung Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5 K l ti Hä fi k it t il ih Schritt 1 (Sortieren der Daten) 5. Kumulative Häufigkeitsverteilung zeichnen sortieren

14 Aufgabe 2.1 Schritt 2 (Wahl der Anzahl der Klassen) Es gibt keine allgemeingültige Regel, aber eine Faustregel: k = log3log 10 dabei ist k die Anzahl an Klassen und n die Anzahl an Daten. In unserem Fall, n = 30 Richtung 1, Minimum = Maximum= m g 10 Statistik und Wahrscheinlichkeitsrechnung k = log 30 = n Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih Wir könnten folgende Klassem wählen: (24.5,26.5],(26.5,28.5], (28.5,30.5],(30.5,32.5],(32.5,34.5],(34.5,36.5]

15 Aufgabe 2.1 Schritt 3 (Zähle die Anzahl in jeder Klasse) Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl der Autos *10 3 ) Abs. Häufigkeit in der Klasse Zählen Rich htung

16 Aufgabe 2.1 Schritt 4 (Zeichne die Häufigkeitsverteilung) Zuerst einige Berechnungen. Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih 1 Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl Abs. Häufigkeit in Rel. Häufigkeit [%] der Autos *10 3 ) der Klasse Richtung n k rel. Häufigkeit fg % = 100 nges 3 = 100 =

17 Aufgabe 2.1 Statistik und Wahrscheinlichkeitsrechnung Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5 K l ti Hä fi k it t il ih Schritt 4 (Zeichne die Häufigkeitsverteilung) 5. Kumulative Häufigkeitsverteilung zeichnen 1 Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl Abs. Häufigkeit in Rel. Häufigkeit [%] der Autos *10 3 ) der Klasse Richtung Zeichnen Häufi gkeit [%] Richtung Anzahl der Autos (*10 3 )

18 Aufgabe 2.1 Schritt 5 (Zeichne die kumulative Häufigkeits verteilung) Statistik und Wahrscheinlichkeitsrechnung kumulieren Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih Richtung 1 Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl der Autos *10 3 ) Abs. Häufigkeit in der Klasse Rel. Häufigkeit [%] kumulative Häufigkeit /

19 Aufgabe 2.1 Schritt 5 (Zeichne die kumulative Häufigkeits verteilung) Statistik und Wahrscheinlichkeitsrechnung kumulieren Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih Richtung 1 Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl Abs. Häufigkeit Rel. Häufigkeit kumulative Häufigkeit der Autos *10 3 ) in der Klasse [%] /

20 Aufgabe 2.1 Schritt 5 (Zeichne die kumulative Häufigkeits verteilung) Statistik und Wahrscheinlichkeitsrechnung kumulieren Schritte: 1. Daten sortieren 2. Geeignete Anzahl von Klassen wählen 3. Die Anzahl der Daten für jede Klasse zählen 4. Häufigkeitsverteilung zeichnen 5. Kumulative Häufigkeitsverteilung it t il zeichnen ih Richtung 1 Intervall (Anzahl der Autos *10 3 ) Intervall Mittelpunkt (Anzahl Abs. Häufigkeit Rel. Häufigkeit kumulative Häufigkeit der Autos *10 3 ) in der Klasse [%] zeichnen y=

21 Aufgabe 2.1 Dasselbe kann nun für Richtung 2 durchgeführt werden. Was kann aus diesen Diagrammen erkannt werden? Statistik und Wahrscheinlichkeitsrechnung Richtung 1 Richtung 2 Der Verkehrsstrom in Richtung 1 ist grösser als in Richtung 2. Es sind grosse Variationen in beiden Richtungen zu erkennen. etc. Diese Diagramme geben einen guten ersten Überblick über die Daten!

22 Quantile Definition : DieQ Q Quantile Quantile korrespondiert mitdem Wert der Stichprobe, welcher mit dem Wert 100% Q x 100% überschritten wird. Dh D.h. zum Beispiel: das 075 Quantil 0.75 Quantil wird von 100% 0.75 x 100% = 25% der Daten überschritten. DieQuantilewerden vonder geordneten Stichprobe berechnet: x o 1 x o 2... x o n i Qi =, n: Gesamt Anzahl der Beobachtungen, i=1,2..., n n

23 Aufgabe 2.2 Verwende für beide Datenreihen der Verkehrsdaten den Tukey Boxplot, um eine zusammenfassende Übersicht über die Eigenschaften der jeweiligen Verteilung zu bekommen. Trage beide Darstellungen in die gleiche Graphik auf, um die Datenreihen der Verkehrsmessung anschaulich vergleichen zu können und beurteile diese hinsichtlich ihrer Symmetrie. Schritte 1. Berechne den Median 2. Berechne die 75% and 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5. Zeichne den Tukey Box Plot

24 Aufgabe 2.2 Schritt 1 (Berechne den Median) Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5. Zih Zeichne den Tukey Box Plot Tk Es ist der Zentralwert (50% Quantil). Aber. wenn die Anzahl der Daten gerade ist, ist das nicht möglich! In diesem Fall müssen wir linear interpolieren. Der Median ist =

25 Aufgabe 2.2 Schritt 2 (Berechnung der Quartile) Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5. Zih Zeichne den Tukey Box Plot Tk Anschaulich bedeutet das: 0.75 = 75% 0.75 Quantil

26 Aufgabe 2.2 Schritt 2 (Berechnung der Quartile) Genaue Berechnung: i Qi =, n + 1 n : Gesamt Anzahl der Beobachtungen 75%

27 Aufgabe 2.2 Statistik und Wahrscheinlichkeitsrechnung Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die Nachbarschaftswerte. 4. Ausreisser 5 Zih d Tk B Pl t Schritt 2 (Berechnung der Quartile) 5. Zeichne den Tukey Box Plot Interpolation 24 (0.77) 23 (0.74) 0.25 ν = nq + Q v v ν = = o o o xv = (1 p) x23 + px = (1 0.25) = Autos

28 Aufgabe 2.2 Statistik und Wahrscheinlichkeitsrechnung Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5. Zih Zeichne den Tukey Box Plot Tk Schritt 3 (Berechnung der verbundenen Werte) interquartiler Bereich Q 0.75 = r Q Q = = 3560 Q 0.25 = Grösster verbundener Wert: grösster Wert (75% Quantil) r In diesem Fall, grösster Wert kleiner als = Der grösste Wert der Datenreihe kleiner als der berechnete, ist der grösste verbundene Wert. Gö Grösster verbundener Wert =

29 Aufgabe 2.2 Statistik und Wahrscheinlichkeitsrechnung Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5 Zih d Tk B Pl t Schritt 3 (Berechnung der Nachbarschaftswerte) 5. Zeichne den Tukey Box Plot Q 0.75 = Q 0.25 = r Q Q = = 3560 Kleinster verbundenerwert: kleinster Wert (25% quantile ) r In diesem Fall, kleinster Wert grösser als = Kleinster verbundener Wert =

30 Aufgabe 2.2 Statistik und Wahrscheinlichkeitsrechnung Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne verbundenen Werte. 4. Ausreisser 5 Zih d Tk B Pl t Schritt 4 (Ausreisser) 5. Zeichne den Tukey Box Plot Ausreisser: Ausserhalb der oberen und unteren Nachbarschaftswerte Zusammenfassung Grösster verbundener Wert: % Quantil: Median : % Quantil : Kleinster verbundener Wert:

31 Aufgabe 2.2 Schritt 5 (Zeichne Tukey Boxplot) Zusammenfassung grösster verbundener Wert: % Quantil: Median : % Quantil : kleinster verbundener Wert: Ausreisser: Schritte 1. Berechne den Median 2. Berechne die 75% und 25% Quantile. 3. Berechne die verbundenen Werte. 4. Ausreisser 5. Zih Zeichne den Tukey Boxplot Tk * Richtung 1 31

32 Aufgabe 2.2 Lösung Eigenschaften der jeweiligen Verteilung: Median verbundenen Werte oberes und unteres Quartil (0,75 und 0.25% Quantil) Ausreisser Vergleich der Datenreihen: Alle Eigenschaften sind in Richtung1 grösser. Grösseres Verkehrsvolumen in Richtung 1 Grössere InterquartilerBereich in Richtung 2: Beobachtungen sind weiter gestreut um den Medium Symmetrie der Datenreihen: keine Symmetrie beobachtet. Der Median ist bei beiden Datenreihen näher am oberen Nachbarschaftswert linksschief

33 Aufgabe 2.5 Die Tabelle zeigt die Anzahl an Studienanfängern X und die Gesamtanzahl an Studierenden Y an einer Universität. Die Korrelation dieser Zahlen ist mit Hilfe des Berechnungsblattes zu bestimmen. Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt)

34 Aufgabe 2.5 Die Korrelation dieser Beobachtungen ist mit Hilfe des Berechnungsblattes zu bestimmen. Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt) Was ist bekannt? Studienanfänger: X Studentenzahl: Y Studienanfänger: x i, i=1,,6 Studentenzahlen: y i, i=1,,6 Beobachtungen/Universität: n=

35 Aufgabe 2.5 Die Korrelation dieser Beobachtungen ist mit Hilfe des Berechnungsblattes zu bestimmen. Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt) Was ist bekannt? Studienanfänger: X Studentenzahl: Y Studienanfänger: x i, i=1,,6 Studentenzahlen: y i, i=1,,6 Beobachtungen/Universität: n=6 Was wird gesucht? Korrelation: Mittelwert: r XY Standardabweichung: 1 n ( xi x)( yi y) = n s s x y i= 1 X Y s X s Y

36 Aufgabe 2.5 Bestimmen Sie die Korrelation dieser Zahlen mit Hilfe des Berechnungsblattes. Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt) Auf den ersten Blick sind sie korreliert, oder?????? Gebe eine grobe Schätzung des Korrelationskoeffizienten!!!! 1 r 1 r XY

37 Aufgabe 2.5 Was ist bekannt? Studienanfänger: X Studentenzahl: Y Anzahl Studienanfänger: Anzahl von Studentenzahlen: x i, i=1,,6 y i, i=1,,6 Anzahl Beobachtungen/Universität: n=6 Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt) Was ist gesucht? Korrelation: r XY ( x x )( y y ) 1 n i i = n s s i= 1 X Y Mittelwert: 1 n x xi 1 n y = yi n i = 1 n i = 1 = n Standardabweichung: 1 s x x X n n 2 2 = ( i - ) s Y = ( - ) n i = yi y 1 n i =

38 Aufgabe 2.5 Lösung Tabelle Anzahl Studienanfänger und Studentenzahl (gesamt) xi yi xi x yi y 2 (x x) i 2 (y y) (x x)(y y) i A B C D E F Σ Σ / n Σ / n

39 Aufgabe 2.5 Lösung r XY n 1 ( xi x )( yi y ) = = = n s s i= 1 X Y 0.99 Wie erwartet, ist der Korrelationskoeffizient positiv

40 Aufgabe 2.4 (Gruppenaufgabe) Potentialfeldmessungen helfen dabei, die mögliche Korrosionin in Brückentragwerken vorherzusagen. Während einer routinemässigen Untersuchung an einer Brücke wurden die Daten in folgender Tabelle durch Potential feldmessungen entlang der beiden Fahrspuren (Richtung 1 und 2) erhoben: Messung Richtung 1 Richtung 2 Nr. (i) Widerstand (kohm) Widerstand (kohm)

41 Aufgabe 2.4 (Gruppenaufgabe) a) Nutze die beiden Datenreihen aus der Tabelle und fertige zwei Tukey Boxplots an (Richtung 1 und 2). Zeige die Hauptmerkmale der Tukey Boxplots und schreibe deren Werte neben die korrespondierenden Punkte auf das Diagramm. Zeichne auch vorhandene Werte die ausserhalb liegen ein. b) Der Tukey Boxplot ist ein hilfreiches Werkzeug zur Bewertung der Symmetrie von Datenreihen. Diskutiere Symmetrie/Schiefe der Potentialfeldmessdaten der beiden Fahrspuren. c) Wähle eine geeignete Anzahl von Klassen und zeichne ein Histogramm für die Potentialfeldmessdaten von Richtung 1. d) Viel Erfolg ; )

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Methoden der empirischen Sozialforschung I

Methoden der empirischen Sozialforschung I Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik p. 1/44 Datenanalyse und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 2/44 Daten Schätzung Test Mathe

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

Evaluation der Normalverteilungsannahme

Evaluation der Normalverteilungsannahme Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden

Mehr

Medizinische Biometrie (L5)

Medizinische Biometrie (L5) Medizinische Biometrie (L5) Vorlesung II Daten Deskription Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de IBE,

Mehr

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis c 2012 Helmut Schaeben Geomathematics and Geoinformatics Technische Universität Bergakademie Freiberg, Germany

Mehr

WEBINAR@LUNCHTIME THEMA: " SCHICKE BERICHTE SCHNELL ERSTELLT MIT DEM SAS ENTERPRISE GUIDE" HELENE SCHMITZ

WEBINAR@LUNCHTIME THEMA:  SCHICKE BERICHTE SCHNELL ERSTELLT MIT DEM SAS ENTERPRISE GUIDE HELENE SCHMITZ WEBINAR@LUNCHTIME THEMA: " SCHICKE BERICHTE SCHNELL ERSTELLT MIT DEM SAS ENTERPRISE GUIDE" HELENE SCHMITZ EBINAR@LUNCHTIME HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge zwischen metrischen Merkmalen Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Aufgabe 1 a) BWL-Student S hat von seinem Lieblingsonkel 10.000 geschenkt bekommen mit der Auflage damit etwas Vernünftiges zu machen. Nachdem

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

Wahrscheinlichkeitsrechnung anhand realer Situationen

Wahrscheinlichkeitsrechnung anhand realer Situationen MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Wahrscheinlichkeitsrechnung anhand realer Situationen Paula Lagares Barreiro 1 Frederico Perea Rojas-Marcos

Mehr

Linearer Zusammenhang von Datenreihen

Linearer Zusammenhang von Datenreihen Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein

Mehr

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

Mehr

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang,

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang, Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen. 5 Statistik mit SPSS Die Durchführung statistischer Auswertungen erfolgt bei SPSS in 2 Schritten, der Auswahl der geeigneten Methode, bestehend aus Prozedur Variable Optionen und der Ausführung. 5.1 Variablen

Mehr

3 Deskriptive Statistik in R (univariat)

3 Deskriptive Statistik in R (univariat) (univariat) Markus Burkhardt (markus.burkhardt@psychologie.tu-chemnitz.de) Inhalt 3.1 Ziel... 1 3.2 Häufigkeiten... 1 3.3 Deskriptive Kennziffern I Lagemaße... 2 3.4 Streuungsmaße... 5 3.5 Standardisierung:

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

1. Grundbegriffe und graphische Darstellungen

1. Grundbegriffe und graphische Darstellungen Prof. Dr. Ralf Runde FSK-Aufgaben Statistik A/Deskriptive Statistik 1. Grundbegriffe und graphische Darstellungen FSK 1.1: Bei n = 20 Studierenden wurden die Punkte X der letzten Statistik-Klausur in der

Mehr

Der Chi Quadrat Test nicht nur für die digitalen Ziffernanalyse geeignet

Der Chi Quadrat Test nicht nur für die digitalen Ziffernanalyse geeignet Der Chi Quadrat Test nicht nur für die digitalen Ziffernanalyse geeignet 1. Einleitung Seit Anfang 2002 finden elektronische Betriebsprüfungen auf der Grundlage der Grundsätze zum Datenzugriff und zur

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Gefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3.

Gefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3. SEMINAR FÜR STATISTIK Stand 17. April 23 UNIVERSITÄT MANNHEIM Aufgabensammlung zur Veranstaltung Deskriptive Statistik 1. Aufgabe Geben Sie für die Merkmale Einkommen Haarfarbe soziale Stellung Körperlänge

Mehr

BM-Datenanalyse eine Exploration

BM-Datenanalyse eine Exploration BM-Datenanalyse eine Exploration Marcello Robbiani ZHAW und EBMK www.zuguttenberg.de/dokumente/zuguttenberg_presseportrait.jpg Ein Web-basierter Bildervortrag Allgemeingut, Eigengewächs: Keine Quellenangabe

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

Hinweise zur Fehlerrechnung im Grundpraktikum der Physik

Hinweise zur Fehlerrechnung im Grundpraktikum der Physik Grundpraktikum der Physik Hinweise zur Fehlerrechnung im Grundpraktikum der Physik Sascha Hankele sascha@hankele.com Patrick Paul patrick.paul@uni-ulm.de 11. Mai 2011 Inhaltsverzeichnis 1 Einführung und

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X

Mehr

Statistik mit Excel 2010. Themen-Special. Peter Wies. 1. Ausgabe, September 2011 W-EX2010S

Statistik mit Excel 2010. Themen-Special. Peter Wies. 1. Ausgabe, September 2011 W-EX2010S Statistik mit Excel 2010 Peter Wies 1. Ausgabe, September 2011 Themen-Special W-EX2010S 3 Statistik mit Excel 2010 - Themen-Special 3 Statistische Maßzahlen In diesem Kapitel erfahren Sie wie Sie Daten

Mehr

Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik

Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik Wintersemester 08/09 Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Monte Carlo Simulation (Grundlagen)

Monte Carlo Simulation (Grundlagen) Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Aufgabe 12 Nach dem Eintippen der Kantenlänge soll die folgende Tabelle den Rauminhalt und die Oberfläche eines Würfels automatisch berechnen.

Aufgabe 12 Nach dem Eintippen der Kantenlänge soll die folgende Tabelle den Rauminhalt und die Oberfläche eines Würfels automatisch berechnen. Aufgabe 11 Excel hat für alles eine Lösung. So kann das Programm automatisch den größten oder den kleinsten Wert einer Tabelle bestimmen. Wenn man die richtige Funktion kennt, ist das überhaupt kein Problem.

Mehr

Statistik Musterlösungen

Statistik Musterlösungen Statistik Musterlösungen Regina Tüchler & Achim Zeileis Institut für Statistik & Mathematik Wirtschaftsuniversität Wien 1 Grundbegriffe (1.23) Skript Reaktionen auf Videofilm. Aussagen M, E, P, S h(m)

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

Bland-Altman-Plot in Excel 2010 erstellen

Bland-Altman-Plot in Excel 2010 erstellen Bland-Altman-Plot in Excel 2010 erstellen 1. Sie berechnen für jedes Messwertpaar den Mittelwert der beiden Methoden nach der Formel: (messwert_verfahren1 + messwert_verfahren2)/2, im Beispiel =(A5+B5)/2:

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar)

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar) Die folgenden Erklärungen und Abbildungen sollen den Umgang mit SPSS im Rahmen des POK erleichtern. Diese beschreiben nicht alle Möglichkeiten, die SPSS bietet, sondern nur die Verfahren, die im Seminar

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Mehr Statistik, Mehr Graphen, Weniger Aufwand!

Mehr Statistik, Mehr Graphen, Weniger Aufwand! Mehr Statistik, Mehr Graphen, Weniger Aufwand! SYSTAT 13 Ergebnisse, denen Sie vertrauen, ein Preis, den Sie sich leisten können SYSTAT ist ein umfassendes Desktop Statistik- Programm, das leicht genug

Mehr

Eine Einführung in SPSS

Eine Einführung in SPSS Eine Einführung in SPSS Aufbau von SPSS 14 Bemerkung: SPSS 14 kann in den Subzentren in der Kopernikusgasse installiert werden, falls dies noch nicht geschehen ist. Dazu öffnet man den Application Explorer

Mehr

Transformation und Darstellung funktionaler Daten

Transformation und Darstellung funktionaler Daten Transformation und Darstellung funktionaler Daten Seminar - Statistik funktionaler Daten Jakob Bossek Fakultät für Statistik 7. Mai 2012 Übersicht Einleitung Einordnung im Seminar Motivation am Beispiel

Mehr

1 Übungsaufgaben. 1.1 Übungsaufgaben zu Operations Research 1 ÜBUNGSAUFGABEN 0

1 Übungsaufgaben. 1.1 Übungsaufgaben zu Operations Research 1 ÜBUNGSAUFGABEN 0 1 ÜBUNGSAUFGABEN 0 1 Übungsaufgaben In diesem Kapitel sind Übungsaufgaben zusammengestellt, die den Stoff der Vorlesung vertiefen und die für Prüfungen erforderliche Praxis und Schnelligkeit vermitteln

Mehr

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1 Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung

Mehr

Portfoliotheorie. Von Sebastian Harder

Portfoliotheorie. Von Sebastian Harder Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und

Mehr

Das Mathe- Viertelfinale

Das Mathe- Viertelfinale Das Mathe- Viertelfinale 1. Geben Sie für die folgenden Untersuchungen mögliche statistische Einheiten und Masse an und bestimmen die notwendigen Identifikationskriterien. Geben Sie ferner die zugrundeliegende

Mehr

Abhängigkeit zweier Merkmale

Abhängigkeit zweier Merkmale Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik Institut für Soziologie Dr. Methoden 2 Einführung, grundlegende PASW-Bedienung, univariate Statistik Programm Wiederholung zentraler Aspekten der Übungen Literatur zur Veranstaltung Erste Schritte mit

Mehr

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27 Inhaltsverzeichnis Einleitung 19 SPSS oder PASW oder was? 19 Über dieses Buch 20 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut

Mehr

Boxplot (Liniendiagramm) mit einem (qualitativen) Unterscheidungsmerkmal erstellen, beschrieben an der Körpergröße für Männer und Frauen

Boxplot (Liniendiagramm) mit einem (qualitativen) Unterscheidungsmerkmal erstellen, beschrieben an der Körpergröße für Männer und Frauen Boxplot (Liniendiagramm) mit einem (qualitativen) Unterscheidungsmerkmal erstellen, beschrieben an der Körpergröße für Männer und Frauen 01) Berechnen Sie für jede Ihrer Vergleichsgruppen (im Beispiel

Mehr

IBM SPSS Statistics Base 21

IBM SPSS Statistics Base 21 IBM SPSS Statistics Base 21 Hinweis: Lesen Sie zunächst die allgemeinen Informationen unter Hinweise auf S. 343, bevor Sie dieses Informationsmaterial sowie das zugehörige Produkt verwenden. Diese Ausgabe

Mehr

Microsoft Excel Schnellkurs Physik Übungen für Mediziner. Maurizio Musso, Günter Moser, Kristjan Plätzer

Microsoft Excel Schnellkurs Physik Übungen für Mediziner. Maurizio Musso, Günter Moser, Kristjan Plätzer Microsoft Excel Schnellkurs Physik Übungen für Mediziner Maurizio Musso, Günter Moser, Kristjan Plätzer Vorwort Die folgenden Folien enthalten eine Kurzanleitung zu Microsoft Excel. Zur Erstellung wurde

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner Johann Wappis, Berndt Jung Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner ISBN-10: 3-446-41373-1 ISBN-13: 978-3-446-41373-3 Inhaltsverzeichnis Weitere Informationen

Mehr

Auswertung zur Veranstaltung Ausgewählte Themen aus dem Bereich Software Engineering - Agile Project Management and Software Deve

Auswertung zur Veranstaltung Ausgewählte Themen aus dem Bereich Software Engineering - Agile Project Management and Software Deve Auswertung zur Veranstaltung Ausgewählte Themen aus dem Bereich Software Engineering - Agile Project Management and Software Deve Liebe Dozentin, lieber Dozent, anbei erhalten Sie die Ergebnisse der Evaluation

Mehr

Norm- vs. Kriteriumsorientiertes Testen

Norm- vs. Kriteriumsorientiertes Testen Norm- vs. Kriteriumsorientiertes Testen Aus psychologischen Test ergibt sich in der Regel ein numerisches Testergebnis, das Auskunft über die Merkmalsausprägung der Testperson geben soll. Die aus der Testauswertung

Mehr

Zählstatistik. Peter Appel. 31. Januar 2005

Zählstatistik. Peter Appel. 31. Januar 2005 Zählstatistik Peter Appel 31. Januar 2005 1 Einleitung Bei der quantitativen Analyse im Bereich von Neben- und Spurenelementkonzentrationen ist es von Bedeutung, Kenntnis über die möglichen Fehler und

Mehr

Tabellenkalkulation II

Tabellenkalkulation II Materialien zur Informationstechnischen Grundbildung (ITG) Tabellenkalkulation II Lehrerhandreichung Version für Excel und CALC (Microsoft Office, Open Office und Libre Office) Lehrerhandreichung Tabellenkalkulation

Mehr

Wolfgang Trutschnig. Salzburg, 2014-05-08. FB Mathematik Universität Salzburg www.trutschnig.net

Wolfgang Trutschnig. Salzburg, 2014-05-08. FB Mathematik Universität Salzburg www.trutschnig.net Auffrischungskurs Angewandte Statistik/Datenanalyse (Interne Weiterbildung FOR SS14-08) Block 1: Deskriptive Statistik, Wiederholung grundlegender Konzepte, R FB Mathematik Universität Salzburg www.trutschnig.net

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das

Mehr

SPSS 16 für b ummies

SPSS 16 für b ummies Felix Brosius SPSS 16 für b ummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch 21 Konventionen in diesem Buch 22 Was Sie nicht lesen müssen

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

IBM SPSS Statistics Base 22

IBM SPSS Statistics Base 22 IBM SPSS Statistics Base 22 Hinweis Vor Verwendung dieser Informationen und des darin beschriebenen Produkts sollten die Informationen unter Bemerkungen auf Seite 199 gelesen werden. Produktinformation

Mehr

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung Der Internetdienst für Ihre Online-Umfragen Leitfaden statistische Auswertung Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten einen Fragebogen

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in

Mehr

Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten

Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten GUM Enterprise / Professional / Standard / Excel Add-In GUMX Berechnung der Messunsicherheit mit QMSys GUM Software am Beispiel der Kalibrierung von Kolbenhubpipetten Einführung in der QMSys GUM Software

Mehr

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro

Mehr

Probeklausur (1) Biostatistische Verfahren

Probeklausur (1) Biostatistische Verfahren Ernst-Abbe-Hochschule Jena FB Grundlagenwissenschaften Probeklausur (1) Biostatistische Verfahren Tag der Prüfung Studiengang Name: Matrikel-Nr.: Bearbeitungszeit 90 min Hilfsmittel Formelsammlung, auch

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Teil 2: Schulinterne Ergebnisse

Teil 2: Schulinterne Ergebnisse (klassenspezifische Rückmeldungen und vergleichende Ergebnisse mit anderen Klassen) *** Anschrift der Musterschule *** Schulnummer: *** Musterschule *** Klasse: a (Beispiel) Kompetenztest Deutsch (Klassenstufe

Mehr

Non-Deterministische CFD Simulationen in FINE /Turbo

Non-Deterministische CFD Simulationen in FINE /Turbo Non-Deterministische CFD Simulationen in FINE /Turbo Dipl.-Ing. (FH) Peter Thiel Dr.-Ing. Thomas Hildebrandt NUMECA Ingenieurbüro ro NUMECA, a New Wave in Fluid Dynamics Überblick 1. Motivation: Warum

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Statistische Verfahren für das Data Mining in einem Industrieprojekt

Statistische Verfahren für das Data Mining in einem Industrieprojekt Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Kundenzufriedenheitsbefragung 2014

Kundenzufriedenheitsbefragung 2014 Kundenzufriedenheitsbefragung 2014 Auswertungsband über alle bisher erhobenen Augenoptiker Anton Optik e.k. Februar 2015, V100 Label TÜV SÜD Management Service GmbH 1 1 2 Hintergrund der Erhebung Zusammenfassung

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Einführung in MATLAB

Einführung in MATLAB Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB

Mehr

Performance Messungen

Performance Messungen Performance Messungen 1 Einordnung titativ iv Quan Qualitat Kontrollierte Eperimente mit Probanden Fragebög en 3 Think Aloud Protokolle Mensch Computer Technisch h h Interview Fallstudien Zeitreihen analysen

Mehr