Deskriptive Statistik

Größe: px
Ab Seite anzeigen:

Download "Deskriptive Statistik"

Transkript

1 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) ist meist umfangreich und läßt kaum Aussagen über die Struktur der Population zu. Daher müssen die Werte geordnet und verdichtet werden. Tabellen und graphische Darstellungen Eine Form der Aufbereitung von umfangreichem Datenmaterial besteht darin, Untersuchungseinheiten mit gleichen oder ähnlichen Merkmalsausprägungen zu Klassen zusammenzufassen und festzustellen, wieviele Einheiten auf jede Klasse entfallen. So entsteht eine Häufigkeitsverteilung, die tabellarisch und graphisch dargestellt werden kann. Die Anzahl (n i, i=,..,k, k n) der Beobachtungen in einer Klasse wird als absolute Häufigkeit (Besetzungszahl) in dieser Klasse bezeichnet. Nach Division durch die Gesamtzahl der Beobachtungen (n) erhält man die relative Häufigkeit (h i ) einer Klasse. Während bei nominalen Daten die Reihenfolge der Klassen keine Rolle spielt, muß bei allen höheren Meßniveaus die Rangordnung der Klassen beachtet werden. Bei nominalen oder ordinalen Daten ergeben sich zumeist natürliche Klassengrenzen, doch bei größerem metrischen Datenmaterial ist es notwendig, eine Klasseneinteilung vorzunehmen. Klasseneinteilung, Klassierung Die Klasseneinteilung ist notwendig, um eine Überbewertung des Zufallseinflusses zu vermeiden und die Struktur (Verteilungstyp, Gesetzmäßigkeit) der Beobachtungsreihe besser erkennen zu können. Die Wahl einer geeigneten Klasseneinteilung ist stets willkürlich, aber es sollten einige Regeln beachtetet werden:. Die Klasseneinteilung muß alle Beobachtungswerte umfassen (also in der ersten Version auch extreme Werte).. Die Klassengrenzen sind so zu wählen, dass die Beobachtungswerte eindeutig den Klassen zugeordnet werden können, z.b. sollen die Klassenenden auf Werte, die meßtechnisch nicht vorkommen, fallen (etwa eine Dezimale mehr als gemessen wird) oder man verwendet halboffene Klassen (z.b. von 3 bis unter 40). Man wähle gleiche Klassenbreiten. 3. Die Klassenmitte repräsentiert die übrigen Meßwerte der Klasse. 4. Je kleiner die Klassenanzahl umso größer die Klassenbreite und umso größer ist der Informationsverlust. Je größer die Klassenanzahl, umso mehr kommt die nichtinteressierende Wirkung von Zufallseinflüssen zur Geltung. Die Erfahrung führt zu folgenden Faustregeln: k n, k 5log 0 n (k: Klassenanzahl, n: Anzahl der Beobachtungswerte) Statistische Datenanalyse am PC Andrea Berghold

2 Die gebräuchlichsten graphischen Darstellungsformen sind: Stab-, Balkendiagramm (bar chart) Kreisdiagramm (pie chart) Histogramm Häufigkeitspolygon Stamm- und Blatt Darstellung (stem and leaf plot) Beim Stabdiagramm ist die Höhe der Stäbe proportional zu den Besetzungszahlen bzw. rel. Häufigkeiten in den einzelnen Klassen. Breite und Abstand spielen keine Rolle. Es eignet sich für qualitative, ordinale und quantitativ diskrete Merkmale (z.b. Blutgruppe, Schulnoten, Anzahl kariöser Zähne bei Volksschulkindern) Das Kreisdiagramm (als spezielles Flächendiagramm) wird in Segmente proportional zu den beobachteten Anzahlen (rel. Häufigkeiten) zerlegt. Histogramme müssen flächentreu sein - d.h. die Fläche (und nicht die Höhe) muß proportional der Häufigkeit n i bzw.h i sein. Daher kann nur bei konstanter Klassenbreite (Δx) n i bzw. h i als Ordinate der Rechtecke verwendet werden. Die Polygondarstellung verwendet man meist, wenn mehrere Häufigkeitsverteilungen verschiedener Gruppen in einem gemeinsamen Diagramm verglichen werden sollen. Stamm- und Blatt- Darstellung: Das Histogramm stellt die Häufigkeit für alle Werte innerhalb einer bestimmten Klasse dar. Demzufolge kann man die Häufigkeit eines Einzelwertes dieser Klasse nicht mehr erkennen. Eine graphische Repräsentation der Häufigkeitsverteilung ohne diesen Informationsverlust ist die Stamm- und Blatt-Darstellung (stem and leaf plot). Im Stamm werden jene Ziffern, welche die Klasseneinteilung repräsentieren, eingetragen und im Blatt erfolgt die Eintragung der Ziffern der nächsten Stelle der Größe nach. Statistische Datenanalyse am PC Andrea Berghold

3 Kenngrößen Kenngrößen dienen dazu, die Datenmenge zu einigen wenigen Zahlen zu komprimieren, welche bestimmte Eigenschaften der Daten möglichst gut beschreiben. Wir wollen die mittlere Tendenz der Daten die Streuung der Daten um die mittlere Tendenz charakterisieren. Maßzahlen der Lage Lagemaßzahlen beschreiben zentrale Eigenschaften einer Verteilung. Sie charakterisieren das Zentrum der Häufigkeitsverteilung, also den Wert (Ort) mit der größten Häufigkeit bzw. Wahrscheinlichkeit des Auftretens. Darüber hinaus werden durch Lagemaßzahlen Positionsmerkmale (Ordnungsstatistiken) einer der Größe nach geordneten Datenmenge wiedergegeben (z.b. die Position in der Zahlenreihe, bis zu welcher 90 % der Beobachtungswerte auftreten). Die Statistik braucht eine Reihe verschieden definierter Lagemaßzahlen, um der Vielfalt der Verteilungen statistischer Datenmengen gerecht zu werden. Arithmetisches Mittel (mean) Gegeben sei eine Stichprobe x,x,...,x n vom Umfang n. Das arithmetische Mittel ist definiert als x = n n x i i= Nachteile des arithmetischen Mittels: Es gibt extremen Werten zu viel Gewicht, und ist daher nur verwendbar, wenn man es mit eingipfeligen nicht allzu schiefen Verteilungen zu tun hat. Die errechnete Durchschnittszahl hat im Falle diskreter Merkmale keine Entsprechung in der Wirklichkeit. (Beispiel: Die durchschnittliche Zahl der Verletzten auf der Autobahn an einem Urlaubswochenende beträgt 03.5 Personen). Median (median) Der Median oder Zentralwert ist die mittlere Beobachtung der Daten xi, i=,,...,n, die der Größe nach sortiert wurden x x x3... xn.er hat die Eigenschaft, dass mindestens 50% der Meßwerte kleiner oder gleich dem Median ~ x sind. Statistische Datenanalyse am PC Andrea Berghold 3

4 Für ungerades n ~ x = x( ( n+ ) / ) Für gerades n ~ x = x( n / ) + x( n / + ) ( ) Vorteile des Medians: Der Median ist unempfindlich gegenüber extremen Werten. Er eignet sich als Lokationsmaß für schiefe Verteilungen und ordinal skalierte Daten. α-quantil Der Median ist lediglich ein Spezialfall aus einer Familie von Kenngrößen, die auf der Rangordnung der Daten beruhen - die Quantile. Ein α-quantil x α ist derart definiert, dass mindestens α% der Meßwerte kleiner oder gleich diesem Wert x α sind. Die Berechnung erfolgt über x α = x ( k ), falls n α keine ganze Zahl ist (k=int(n α )+) x = α ( x ( k ) + x( k+ ) ), falls n α eine ganze Zahl ist (k=n α ) Spezielle α-quantile:.quartil (α = 0.5),.Quartil oder Median, 3.Quartil (α = 0.75), Perzentile (Fraktile) Modalwert (mode) Bei nominalskalierten Merkmalen ist der Modalwert x mod der einzige anzuwendende Kennwert. Er ist definiert als der Wert, der am häufigsten in der Meßwertreihe vorkommt. Bei quantitativen Merkmalswerten wird der Modalwert durch die Klassenmitte der am dichtesten besetzten Klasse repräsentiert. Er eignet sich für schiefe Häufigkeitsverteilungen oder zur Charakterisierung von mehrgipfeligen Verteilungen (bimodal, multimodal). Statistische Datenanalyse am PC Andrea Berghold 4

5 Beispiele einiger Maßzahlen der Lage und der Streuung (SPSS-Output entstanden durch Analysieren Deskriptive Statistiken ExplorativeDatenanalyse... ) Univariate Statistiken ZUNAHME GRUPPE Kontroll- Gruppe Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze Standardf Statistik ehler 399,5385 0,90 375,767 43,3099 Therapie - Gruppe 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze 399, , ,436 39, ,00 475,00 50,00 50,0000,043,66,9,9 36,3333 6,698 3, ,894 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis 35,859 3, ,754 3,839 68,00 395,00 7,00 36,7500,4,47 -,305,98 Zulässige Lagemaße bei den verschiedenen Skalenniveaus: Skalenniveau Nominalskala Ordinalskala Metrische Skalen zulässige Lage-Kenngrößen Modalwert Modalwert, Median Modalwert, Median, Mittelwert Statistische Datenanalyse am PC Andrea Berghold 5

6 Maßzahlen der Streuung Durch Mittelwerte allein läßt sich eine Datenmenge nicht ausreichend charakterisieren, da sie keine Auskunft geben, wie die einzelnen Werte sich um den Mittelwert verteilen. Wie bei den Lagemaßen sind in der Statistik auch verschiedene Streuungsmaße üblich, um die unterschiedlichen Skalen und Verteilungen von Daten ausreichend gut beschreiben zu können. Spannweite (range) Das einfachste Maß für die Streuung ist die Spannweite, die Differenz aus dem größten und kleinsten Meßwert. Sie ist für kleine Proben brauchbar, wird aber durch extreme Werte sehr stark beeinflußt. R = Maximum - Minimum = x n x Varianz (variance) und Streuung (standard deviation) Die Varianz s gibt die durchschnittliche, quadrierte Abweichung der Meßwerte vom arithmetischen Mittel wieder. n s = ( x i x) n i= Die Standardabweichung: s = s Die Standardabweichung eignet sich wesentlich besser zur Einschätzung der Variabilität eines Merkmals als s, da sie die gleiche Dimension wie die Beobachtungen hat. Auch diese Maße werden durch Ausreißer beeinflußt. Interquartilsabstand (interquartile range) Eine weitere Kennzahl zur Beschreibung der Variabilität um den zentralen Wert ist der Interquartilsabstand IQR. Er ist die Differenz zwischen dem 75%-Quantil (3.Quartil) und dem 5%-Quantil (.Quartil). In diesem Bereich des IQR liegen somit 50% der Meßwerte. IQR = x 0 x,75 0,5 Der IQR ist gegenüber extremen Werten unempfindlich. Eine graphische Darstellung für den Median, die Spannweite und den Interquartilsabstand (5- Zahlen-Zusammenfassung) ist der Box-and-Whiskers Plot. Ausgehend von dieser Konstruktion gibt es zahlreiche Modifikationen. In SPSS ist folgender Boxplot realisiert. Die untere Grenze der Box stellt das 5% Quantil, die obere das 75% Quantil dar. Die Linien (whiskers) reichen bis zu den Werten, die innerhalb x IQR (bzw. x IQR) liegen. Gibt es Werte außerhalb dieser Grenze, Statistische Datenanalyse am PC Andrea Berghold 6

7 so werden sie bis x IQR (bzw. x IQR) durch O (outliers) gekennzeichnet. Werte, die diese Grenzen übersteigen, gelten als weit außerhalb und werden mit * (extremes) bezeichnet. * x > x IQR O x > x IQR x x IQR oder x max x 0.75 x 0.5 x 0.5 x x IQR oder x min O x < x IQR * x < x IQR Schematische Darstellung eines Boxplots Der Boxplot eignet sich besonders gut für den visuellen Vergleich mehrerer Meßwertreihen. 6 5 Einsekundenkapazität in l 4 3 Geschlecht weiblich 0 N = Jahre Jahre Jahre männlich Altersgruppen Statistische Datenanalyse am PC Andrea Berghold 7

8 Variationskoeffizient: Ob die Streuung von Meßwerten als stark oder gering anzusehen ist, erweist sich oft erst, wenn man die Streuung im Verhältnis zum Mittelwert betrachtet. Der Quotient Vk = s x wird als Variationskoeffizient bezeichnet. Er wird häufig in Prozent angegeben. In der Praxis interpretiert man Vk bis zu 0% als geringe Variabilität, zwischen 0% und 5% als normal und über 5% als starke Streuung des Beobachtungsmaterials. Er ist gegen Ausreißer anfällig. Er wird zum Vergleich von Streuungen verschiedener Meßreihen verwendet (ist unabhängig von der gewählten Einheit). Skalenniveau Nominalskala Ordinalskala Metrische Skalen zulässige Streuungskenngrößen keine Spannweite, Quartilsabstand Spannweite, Quartilsabstand, Standardabweichung, Variationskoeffizient Zur deskriptiven Statistik existieren auch mehrere Web Applikationen, die eine anschauliche Darstellung der Methodik zeigen: z.b. JUMBO Münster: Statistische Datenanalyse am PC Andrea Berghold 8

9 Verwendung von SPSS in der Deskriptiven Analyse Metrisches Merkmal: Häufigkeiten: Mit dem Befehl Häufigkeiten... erfahren wir, wie oft eine Ausprägung eines zu untersuchenden Merkmals vorkommt. Zusätzlich können wir im Untermenü Statistik... zulässige Kenngrößen für dieses Merkmal auswählen und im Untermenü Diagramme... ein Histogramm auswählen. Deskriptive Statistik: (nur bei metrischen Merkmalen anwenden!) Mit dem Befehl Deskriptive Statistiken... aus dem Menü Analysieren DeskriptiveStatistiken kann man selbst auswählen, welche Kennzahlen für eine Variable ausgegeben werden sollen. Im Untermenü Optionen... steht zur Auswahl: Mittelwert, Summe; als Lagemaße der Streuung die Std.-Abweichung, Varianz, Spannweite, Minimum, Maximum sowie Std.-Fehler und als Maßzahlen zur Beschreibung der Verteilungsform die Kurtosis und Schiefe. Explorative Datenanalyse: Für eine deskriptive Datenanalyse eines metrischen Merkmals hält SPSS den Befehl Explorative Datenanalyse... im Menü Analysieren Deskriptive Statistiken bereit. Es werden bestimmte statistische Kennzahlen ausgegeben (siehe Beispiel Seite 5). Hier besteht außerdem die Möglichkeit die deskriptive Statistik nach einem Faktor gruppiert auszugeben. Im Beispiel auf Seite 5 wurde die Ausgabe aufgeteilt nach dem Faktor Gruppe, der Faktorstufen aufweist: Kontroll-Gruppe / Therapie-Gruppe. Grafiken: Zum Boxplot und Histogramm gelangt man über das Menü Grafiken. Ein anderer Weg führt im Zuge der Erstellung einer deskriptiven Analyse im Menü ExplorativeDatenanalyse zum Untermenü Diagramme... Hier besteht auch die Möglichkeit sich neben einem Boxplot und Histogramm ein Stengel-Blatt-Diagramm ausgeben zu lassen. Ordinales Merkmal: Häufigkeiten: Mit dem Befehl Häufigkeiten... erfahren wir, wie oft eine Ausprägung eines zu untersuchenden Merkmals vorkommt. Zusätzlich können wir im Untermenü Statistik... Statistische Datenanalyse am PC Andrea Berghold 9

10 zulässige Kenngrößen für dieses Merkmal auswählen und im Untermenü Diagramme... ein Balken- oder ein Kreisdiagramm auswählen. Explorative Datenanalyse: Für ordinale Merkmale steht uns ebenfalls die Explorative Datenanalyse... zur Verfügung, wo wir Median und Quartilsabstand bestimmen können. Grafiken: Neben der oben beschriebenen Möglichkeit über den Befehl Häufigkeiten lassen sich Boxplot, Balkendiagramm und Kreisdiagramm auch über das Menü Grafiken erstellen. Nominales Merkmal Häufigkeiten: Mit dem Befehl Häufigkeiten... erfahren wir die absoluten und relativen Häufigkeiten der einzelnen Ausprägungen des nominalen Merkmals und falls gewünscht ein Balken- oder Kreisdiagramm. Kreuztabellen Wollen wir nominale Merkmale (oder auch ordinale Merkmale mit wenigen Ausprägungen) zueinander in Beziehung setzen, so steht der Befehl Kreuztabellen zur Verfügung. Ein Merkmal ergibt die Spalten der Kreuztabelle, das. Merkmal die Zeilen. Man kann auch Prozentwerte für die Zellen anfordern. Grafiken: Neben der oben beschriebenen Möglichkeit über den Befehl Häufigkeiten lassen sich Balkenund Kreisdiagramm auch über das Menü Grafiken erstellen. Statistische Datenanalyse am PC Andrea Berghold 0

11 Kennzahlen zur Beschreibung der Verteilungsform Im folgenden werden Kennzahlen eingeführt, die als Maß für die Schiefe und die Wölbung einer eingipfeligen Verteilung herangezogen werden können. Mit Hilfe der verschiedenen Lagemaße lassen sich bereits Aussagen über die Schiefe einer eingipfeligen Verteilung treffen: Verteilungsform rechtsschief (linkssteil) linksschief (rechtssteil) symmetrisch Bedingung x > ~ x > x x < ~ x < x x = ~ x = x mod mod mod Schiefe (Skewness) Mit Hilfe des Schiefemasses g ist man nun in der Lage, durch einen einzigen Kennwert Auskunft über die Schiefe und deren Richtung zu erhalten. 3 ( xi x) n i= g = 3 ( xi x) n i= Ist g 0, so kann man davon ausgehen, dass die Meßwerte symmetrisch um x verteilt liegen. Bei linksschiefen Verteilungsformen wird g negativ, bei rechtschiefen positiv. Exzeß und Wölbung (Kurtosis) g n = n ( x x) 4 i i= ( xi x) i= Der Exzeß gibt an, ob, bei gleicher Varianz, das absolute Maximum der Verteilung größer als bei der Dichte der Normalverteilung ist. Der theoretische Wert von g für normalverteilte Merkmalswerte ist 0. Ist g > 0 (g < 0), so liegen im Zentrum der Verteilung mehr (weniger) Merkmalswerte als bei der Normalverteilung. 3 Statistische Datenanalyse am PC Andrea Berghold

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

Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66

Univariate 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

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Maßzahlen für zentrale Tendenz, Streuung und andere Eigenschaften von Verteilungen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische

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

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

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 Verteilungen und ihre Darstellung

1 Verteilungen und ihre Darstellung GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische

Mehr

4. Auswertung eindimensionaler Daten

4. Auswertung eindimensionaler Daten 4. Auswertung eindimensionaler Daten Ziel dieses Kapitels: Präsentation von Methoden zur statistischen Auswertung eines einzelnen Merkmals 64 Bezeichnungen (Wiederholung): Merkmalsträger: e 1,..., e n

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche

Mehr

3. Deskriptive Statistik

3. 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

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

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Faustformeln / Zusammenhänge a) Binomialverteilung als Poissonverteilung:

Faustformeln / Zusammenhänge a) Binomialverteilung als Poissonverteilung: Faustformeln / Zusammenhänge a) Binomialverteilung als Poissonverteilung: k ( np) np B( n, p; k) Poi( np, k) e k! falls gilt: p

Mehr

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung

Herzlich 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

Mehr

Kapitel 13 Häufigkeitstabellen

Kapitel 13 Häufigkeitstabellen Kapitel 13 Häufigkeitstabellen Die gesammelten und erfaßten Daten erscheinen in der Datendatei zunächst als unübersichtliche Liste von Werten. In dieser Form sind die Daten jedoch wenig aussagekräftig

Mehr

Kapitel 2. Häufigkeitsverteilungen

Kapitel 2. Häufigkeitsverteilungen 6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω

Mehr

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 6 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise : In der folgenden Tabelle ist eine Teilstichprobe zu den Studierenden in

Mehr

Einführung in die statistische Datenanalyse I

Einführung in die statistische Datenanalyse I Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE

Mehr

Deskriptive Statistik

Deskriptive Statistik Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Sommersemester 2009 Modus Median Arithmetisches Mittel Symmetrie/Schiefe Wölbung/Exzess 4 6 8 10 ALQ Tutorien Begleitend zur Vorlesung, inhaltlich identisch mit der Übung Mögliche Zeiten: Do 10-12, Do

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

Einfache statistische Auswertungen mit dem TI-Nspire

Einfache statistische Auswertungen mit dem TI-Nspire 1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,

Mehr

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile 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

Mehr

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten

Mehr

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik 2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala

Mehr

4 Statistische Maßzahlen

4 Statistische Maßzahlen 4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer

Mehr

Fachrechnen für Tierpfleger

Fachrechnen 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:

Mehr

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43

1 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,

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

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: . Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel

Mehr

4. Erstellen von Klassen

4. Erstellen von Klassen Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl

Mehr

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.)

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein

Mehr

Statistik. Jan Müller

Statistik. Jan Müller Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen

Mehr

STATISTIK 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? 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

Mehr

Statistische Grundlagen I

Statistische Grundlagen I Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.

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

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

Mehr

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa

Mehr

Ein bisschen Statistik

Ein bisschen Statistik Prof. Dr. Beat Siebenhaar ein bisschen Statistik 1 Ein bisschen Statistik (orientiert an Hüsler/Zimmermann (006) mit Umsetzung auf die linguistische Fragen) 1. Datentypen und Grafik Grafische Darstellungen

Mehr

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen 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

Mehr

Deskriptive Statistik & grafische Darstellung

Deskriptive Statistik & grafische Darstellung Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive

Mehr

Datenanalyse mit Excel. Wintersemester 2013/14

Datenanalyse mit Excel. Wintersemester 2013/14 Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen

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

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

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Häufigkeiten und ihre Verteilung, oder: Zusammenfassende Darstellungen einzelner Variablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen

Mehr

Vertiefungsrichtung Marktforschung

Vertiefungsrichtung Marktforschung Vertiefungsrichtung Marktforschung Sommersemester 2006 Dipl.-WiInf.(FH) Christian Reinboth Darstellen Explorative Datenanalyse Beschreiben Erkennen Testen Inhalte: Explorative Datenanalyse Wir unterscheiden

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

Analyse klassierter Daten: Vor der Analyse fasst man jeweils mehrere Merkmalsausprägungen in (Merkmalswerte-)Klassen zusammen.

Analyse klassierter Daten: Vor der Analyse fasst man jeweils mehrere Merkmalsausprägungen in (Merkmalswerte-)Klassen zusammen. 4. Analyse univariater Daten: Übersicht Mathematik ist die Wissenschaft der reinen Zahl, Statistik die der empirischen Zahl Von univariaten Daten spricht man, wenn bei der Datenerhebung nur ein Merkmal

Mehr

Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten

Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG

Mehr

Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung).

Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). a) Die Anzahl der voneinander verschiedenen Beobachtungswerte eines statistischen Merkmals

Mehr

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE 1.1 Füllen Sie bitte folgenden Lückentext aus. Daten, die in Untersuchungen erhoben werden, muss man grundsätzlich nach ihrem unterscheiden.

Mehr

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?

1) 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?

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Lage- und Streuungsparameter

Lage- 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

Mehr

STATISTIK. Erinnere dich

STATISTIK. Erinnere dich Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10

Mehr

MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND DIAGRAMME PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK)

MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND DIAGRAMME PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK) INSTITUT FÜR ERZIEHUNGSWISSENSCHAFT - UNIVERSITÄT SALZBURG PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK) GÜNTER HAIDER WS 1997/98 MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND

Mehr

absolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten

absolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit

Mehr

Kapitel 3: Eindimensionale Häufigkeitsverteilungen

Kapitel 3: Eindimensionale Häufigkeitsverteilungen Kapitel 3: Eindimensionale Häufigkeitsverteilungen. Unklassierte Daten...29 a) Häufigkeitsverteilung...29 b) Tabellen und Graphiken...3 c) Summenhäufigkeiten...34 2. Klassierte Daten...38 a) Größenklassen...38

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es

Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

1 Darstellen von Daten

1 Darstellen von Daten 1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen

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

Beschreibung univariater Verteilungen

Beschreibung univariater Verteilungen Inhaltsverzeichnis Beschreibung univariater Verteilungen... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-4)... 4 1. Verteilungsformen... 4 2. Masse der zentralen Tendenz (Mittelwerte)... 5 Einleitung...

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

Verteilungen und ihre Darstellungen

Verteilungen und ihre Darstellungen Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle

Mehr

3 Häufigkeitsverteilungen

3 Häufigkeitsverteilungen 3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal

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

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

Kapitel 1 Beschreibende Statistik

Kapitel 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

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

Einführung in die Statistik mit EXCEL und SPSS

Einführung in die Statistik mit EXCEL und SPSS Christine Duller Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage Mit 71 Abbildungen und 26 Tabellen Physica-Verlag Ein Unternehmen

Mehr

Grundbegriffe der Beschreibenden Statistik

Grundbegriffe der Beschreibenden Statistik Grundbegriffe der Beschreibenden Statistik 1. Datenmatrix und Messniveaus...3 1.1. Merkmale, Datenmatrix, uni- und multivariate Analysen...3 1.2. Messniveaus (Skalentypen)...4 2. Ausgewählte Verfahren

Mehr

Datenerfassung und Datenmanagement

Datenerfassung und Datenmanagement Datenerfassung und Datenmanagement Statistische Auswertungssysteme sind heute eine aus der angewandten Statistik nicht mehr wegzudenkende Hilfe. Dies gilt insbesondere für folgende Aufgabenbereiche: -

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

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 1: Deskriptive Statistik Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.

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

a 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52

a 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52 2 Häufigkeitsverteilungen 2.0 Grundbegriffe Ziel: Darstellung bzw. Beschreibung (Exploration) einer Variablen. Ausgangssituation: An n Einheiten ω 1,..., ω n sei das Merkmal X beobachtet worden. x 1 =

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Biostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH

Biostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH Biostatistische Studienplanung Dr. Matthias Kohl SIRS-Lab GmbH Ausgangspunkt Fragestellung(en)/Hypothese(n): Hauptfragestellung: Grund für Durchführung der Studie Nebenfragestellung(en): Welche Fragestellungen

Mehr

Bachelor 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

Kapitel 1: Deskriptive Statistik

Kapitel 1: Deskriptive Statistik Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten

Mehr

4. Kumulierte Häufigkeiten und Quantile

4. Kumulierte Häufigkeiten und Quantile 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:

Mehr

Deskriptive Statistik

Deskriptive Statistik Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA 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

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

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

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

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller Physica-Lehrbuch Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch von Christine Duller Neuausgabe Einführung in die Statistik mit EXCEL und SPSS Duller schnell

Mehr