Methoden der empirischen Sozialforschung I

Größe: px
Ab Seite anzeigen:

Download "Methoden der empirischen Sozialforschung I"

Transkript

1 Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12

2 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten Aspekte aus Methoden I Vortrag: Qualitätsvergleich zweier quantitativer Studien Übungen, Fragen und Antworten 2

3 Datenauswertung 3

4 Was ist Statistik? Statistik ist ein Teilgebiet der angewandten Mathematik Statistik ist ein wichtiges Hilfsmittel für die empirische Sozialforschung (Datenauswertung) Herkunft des Begriffs Neulateinisch statista etwa Staatsmann Gottfried Achenwall(1749) Staatsverfassung der europäischen Reiche. Statistik als Lehre der Staatsmerkwürdigkeiten. Die zwei Bedeutungen Sammlungnumerischer Informationen über Tatbestände (amtliche Statistik) Verfahren zur Auswertung numerischer Daten Informationsgewinnung (explorative Statistik) Informationsreduktion (deskriptive Statistik) Verallgemeinerung (induktive Statistik, Inferenzstatistik) 4

5 Deskriptive vs. induktive Statistik Deskriptive Statistik beschreibt (und reduziert) die Daten im Datensatz (d.h. in der Stichprobe) Ziel der induktiven Statistik ist die statistische Inferenz, d.h. Rückschlüsse von der Zufallsstichprobe auf die Grundgesamtheit zu ziehen. 5

6 Bespiel einer Datenanalyse Zwei Drittel der afghanischen Bevölkerung stellen dem westlichen Engagement in ihrem Land ein negatives Zeugnis aus, mehr als ein Viertel befürwortet sogar Anschläge auf die NATO. Die Hoffnung auf eine Wende zum Besseren wurde in weiten Teilen des Landes enttäuscht; auch das Ansehen Deutschlands ist dramatisch gesunken. Das sind die Ergebnisse der neuen Afghanistan-Umfrage von ARD, ABC, BBC und "Washington Post". Dezember

7 Afghanistan-Umfrage In your view, what is the biggest problem facing Afghanistan as a whole? 100% 80% 60% 40% 20% Don't Know Other Education Foreign influence Reconstruction Government Economy Security 0% Total Male Female 7

8 Afghanistan-Umfrage In your view, what is the biggest problem facing Afghanistan as a whole? 100% 80% 60% 40% 20% Don't Know Other Education Foreign influence Reconstruction Government Economy Security 0% Kabul Kunduz Balkh Helmand Kandahar 8

9 Afghanistan-Umfrage Who would you rather have ruling Afghanistan today: the current government, or the Taliban? 100% 80% 60% 40% The Taliban The current government 20% 0% Kabul Kunduz Balkh Helmand Kandahar 9

10 Deskriptive Statistik Datenbeschreibung 10

11 Datenmatrix / Datensatz Variable 1 Variable 2 Fall 1 Wert von Fall 1 auf Variable 1 Wert von Fall 1 auf Variable 2 Wert von Fall 1 auf Variable 3 Fall 2 Wert von Fall 2 auf Variable 1 Wert von Fall 2 auf Variable 2 Wert von Fall 2 auf Variable x Fall 3 Wert von Fall 3 auf Variable 1 Wert von Fall 3 auf Variable 2 Wert von Fall 3 auf Variable x Wert von Fall i auf Variable 1 Wert von Fall i auf Variable 2 Wert von Fall i auf Variable x 11

12 Datenmatrix / Datensatz Fall ID Geschlecht Geburtsgewicht 1019 Wert von Fall 1 auf Variable 1 Wert von Fall 1 auf Variable 2 Wert von Fall 1 auf Variable Wert von Fall 2 auf Variable 1 Wert von Fall 2 auf Variable 2 Wert von Fall 2 auf Variable x 1021 Wert von Fall 3 auf Variable 1 Wert von Fall 3 auf Variable 2 Wert von Fall 3 auf Variable x Wert von Fall i auf Variable 1 Wert von Fall i auf Variable 2 Wert von Fall i auf Variable x 12

13 Datenmatrix / Datensatz Fall ID Geschlecht Geburtsgewicht (männlich) (weiblich) (weiblich)

14 Datenmatrix / Datensatz 14

15 Notation n die Anzahl der Untersuchungseinheiten X eine Variable i eine einzelne, aber keine bestimmte Untersuchungseinheit (i {1,..., n}), x i der Wert der Variable x für die Untersuchungseinheit i x 1,, x i,..., x n die (Roh-) Daten a j die in den Daten vorkommenden Ausprägungen 15

16 Häufigkeitsverteilungen h(a j ) bzw. h j die absolutehäufigkeit der Ausprägung a j, d.h. die Anzahl der x i aus x 1,...,x n mit x i = a j (j {1,...,k}) f(a j ) bzw. f j die relativehäufigkeit der Ausprägung a j, d.h. F(a j ) bzw. F j f j = h j n die kumulierte relative Häufigkeit der Ausprägung a j, d.h. j F j = l = f l 1 16

17 Häufigkeitstabelle Interesse an gesellschaftlichen Zusammenhängen (a j ) Absolute Häufigkeit (h j ) Relative Häufigkeit (f j ) in Prozent Kumulierte relative Häufigkeit (F j ) in Prozent 0 = gar nicht wichtig 1 1,3% 1,3% 1 1 1,3% 2,6% 2 5 6,5% 9,1% ,4% 19,5% ,4% 68,8% 5 = sehr wichtig 24 31,2% 100,0% Summe ,0% 17

18 18

19 Verteilungstypen Gipfel: unimodal bimodal multimodal ein (zwei, mehrere) 'deutliche(r)' Gipfel Symmetrie: symmetrisch asymmetrisch es gibt eine Spiegelachse und beide Hälften sind 'annähernd' gleich Schiefe: linksschief (rechtssteil) rechtsschief (linkssteil) Daten sind rechtsseitig oder linksseitig konzentriert 19

20 Stamm-Blatt-Diagramm (stem-and-leafplot) Die Werte für die Variable Alter in einem fiktiven Datensatz (n=50):

21 Stamm-Blatt-Diagramm (stem-and-leafplot) Aufsteigend sortiert sehen die Werte so aus:

22 Stamm-Blatt-Diagramm (stem-and-leafplot) Bei einem Stamm-Blatt Diagramm, nehmen wir zunächst die Stämme der Werte und schreiben diese unter einander. Der Stamm von 15 ist 1, der Stamm von 23 ist 2, der Stamm von 35 ist 3, usw. 22

23 Stamm-Blatt-Diagramm

24 Stamm-Blatt-Diagramm (stem-and-leafplot) Bei einem Stamm-Blatt Diagramm, nehmen wir zunächst die Stämme der Werte und schreiben diese unter einander. Der Stamm von 15 ist 1, der Stamm von 23 ist 2, der Stamm von 35 ist 3, usw. Danach nehmen wir die Blätter der Werte und schreiben diese in Reihenfolge hinter die Stämme. Das Blatt von 15 ist 5, das Blatt von 23 ist 3, das Blatt von 35 ist 5, usw. 24

25 Stamm-Blatt-Diagramm

26 Stamm-Blatt-Diagramm Das Stamm-Blatt-Diagramm für die fiktive Altersverteilung (n=50) sieht so aus: Dieses Stamm-Blatt-Diagramm zeigt uns die Verteilungder Variable Alter in 10-Jahresgruppen. Aus dieser Verteilung lassen sich wichtige Kennwerteablesen. 26

27 Die Mitte einer Verteilung Es gibt mehrere Möglichkeiten die Mitte dieser gruppierten Altersverteilung zu beschreiben. Die 3 wichtigsten Kennwerte der Mitte sind: Arithmetisches Mittel / Mittelwert / Durchschnitt Modus / häufigster Wert Median/ Wert der mittleren Beobachtung 27

28 Arithmetisches Mittel (mean) Der Durchschnitt Notation: x x = Anzahl Summe der Werte der Fälle mit gültigem Wert x x = = x1 + x xi n n i= 1 n x i x n 28

29 Arithmetisches Mittel Beispiel: Die Beobachtungen in einer Stichprobe haben folgende Werte für Körpergröße in cm: 145, 156, 169, 170, 171, 183, 189 und 190 x x x x1 + x xi xn = n = 8 = 171,625 29

30 Berechnung aus der Häufigkeitstabelle Interesse an gesellschaftlichen Zusammenhängen (a j ) Absolute Häufigkeit (h j ) Relative Häufigkeit (f j ) in Prozent Kumulierte relative Häufigkeit (F j ) in Prozent 0 = gar nicht wichtig 1 1,3% 1,3% 1 1 1,3% 2,6% 2 5 6,5% 9,1% ,4% 19,5% ,4% 68,8% 5 = sehr wichtig 24 31,2% 100,0% Summe ,0% x k j= = 1 a n j h j x = = (0*1+ 1*1+ 3,991 2*5 + 3*8 + 4*38 + 5*24) / 30 77

31 Berechnung aus der Häufigkeitstabelle Interesse an gesellschaftlichen Zusammenhängen (a j ) Absolute Häufigkeit (h j ) Relative Häufigkeit (f j ) in Prozent Kumulierte relative Häufigkeit (F j ) in Prozent 0 = gar nicht wichtig 1 1,3% 1,3% 1 1 1,3% 2,6% 2 5 6,5% 9,1% ,4% 19,5% ,4% 68,8% 5 = sehr wichtig 24 31,2% 100,0% Summe ,0% x = k x = a f j j= 1 = 0*0, * 0, ,991 j 2 *0, * 0, *0, * 0,312 31

32 Eigenschaften des arithmetischen Mittels Sinnvoll vor allem für metrische Daten Empfindlich gegen Ausreißer "Schwerpunkteigenschaft": n i= 1 ( x i x) = 0 Aus einer Forumsdiskussion zum Zensus 2011 bei Spiegel Online: Und zur Statistik: Wenn einer kerngesund ist und einer tot, geht es beiden halbsweg gut. 32

33 Modus (mode) Der häufigste Wert / die häufigste Gruppe Bei der ungruppiertenvariable Alter ist der Modus der am häufigsten vorkommende Wert (67). 33

34 Modus (mode) Der häufigste Wert / die häufigste Gruppe Bei der gruppierten Variable Alter (0-9, 10-19, 20-29,, 90-99) ist laut Stamm-Blatt-Diagramm die häufigste Gruppe und somit die modale Gruppe dieser Verteilung. (Der Modus der gruppierten Variable wäre 34,5.) 34

35 Eigenschaften des Modus Berechenbar schon ab Nominalskalenniveau Problematisch bei bi-und multimodalen Verteilungen bei sehr vielen, ähnlich besetzten (dünn besetzten) Kategorien insbesondere bei stetigen Merkmalen 35

36 Median Bei einer Verteilung mit ungerader Fallzahl ist der Wert der mittleren Beobachtung der Median. ~ x = x + x n 2 1 = = Bei der ungruppiertenvariable Alter mit n=49 Beobachtungen ist der Wert der 25. Beobachtung der Median. 36

37 Median Bei einer Verteilung mit gerader Fallzahl ist der Mittelwert der beiden mittleren Beobachtungen der Median. + n n 1 ~ + x + x x = x 2 x ( 25) ( ) Bei der ungruppiertenvariable Alter mit n=50 Beobachtungen ist der Mittelwert der 25. und der 26. Beobachtung der Median. = 2 = 46 37

38 Eigenschaften des Medians Sinnvoll ab Ordinalskalenniveau Unempfindlich gegen 'Ausreißer' Mindestens 50% der Fälle sind kleiner oder gleich dem Median Mindestens 50% der Fälle sind größer oder gleich dem Median 38

39 Streuungsmaße Maße der zentralen Tendenz (Modus, Median, arithmetisches Mittel) können bestimmte Unterschiede von Verteilungen nicht erfassen. 39

40 Spannweite (range) Die Spannweite R einer Verteilung ist der Abstand zwischen dem kleinstem und dem größtem Wert, d.h. R = x max -x min Probleme: Die Spannweite wächst tendenziell mit n und ist empfindlich gegenüber Ausreißern. 40

41 Quantile Ein Quantil zerlegt die Häufigkeitsverteilung in einen unteren und einen oberen Teilbereich. Beispiel: Das 30%-Quantil unterteilt die Verteilung einer Variablen in die unteren 30% und die oberen 70% der Fälle. Definition: Der QuantilwertQ α ist der kleinste Wert, für den zutrifft, dass der Anteil aller Fälle mit Ausprägungen kleiner oder gleich diesem Wert mindestens α beträgt. Quantile sind in gewisser Weise Verallgemeinerungen des Medians. Der Median ist das 50%-Quantil (Q 0,50 ). 41

42 Quantile Interesse an gesellschaftlichen Zusammenhängen (a j ) Absolute Häufigkeit (h j ) Relative Häufigkeit (f j ) in Prozent Kumulierte relative Häufigkeit (F j ) in Prozent 0 = gar nicht wichtig 1 1,3% 1,3% 1 1 1,3% 2,6% 2 5 6,5% 9,1% ,4% 19,5% ,4% 68,8% 5 = sehr wichtig 24 31,2% 100,0% Summe ,0% Q 0,05 = 2 Q 0,10 = 3 Q 0,25 = 4 Q 0,50 = 4 Q 0,75 = 5 42

43 Interquartilabstand(IQR) 1.Quartil (Q 1 ): Q 0,25 2.Quartil (Q 2 ): Q 0,50 3.Quartil (Q 3 ): Q 0,75 Der Interquartilsabstand ist die Distanz zwischen dem 25%-Quantil und dem 75%-Quantil, d.h. IQR = Q 3 -Q 1 43

44 Quantile Interesse an gesellschaftlichen Zusammenhängen (a j ) Absolute Häufigkeit (h j ) Relative Häufigkeit (f j ) in Prozent Kumulierte relative Häufigkeit (F j ) in Prozent 0 = gar nicht wichtig 1 1,3% 1,3% 1 1 1,3% 2,6% 2 5 6,5% 9,1% ,4% 19,5% ,4% 68,8% 5 = sehr wichtig 24 31,2% 100,0% Summe ,0% Q 0,05 = 2 Q 0,10 = 3 Q 0,25 = 4 Q 0,50 = 4 Q 0,75 = 5 IQR = Q 0,75 -Q 0,25 =Q 3 -Q 1 = 5-4 = 1 44

45 Der Box-Plot Maximum (Ausreißer) Q 0,75 /Q 3 Median Q 0,25 /Q 1 Q 3 + 1,5IQR Spannweite IQR Minimum Q 1-1,5IQR 45

46 Schiefe (skewness) Eine Verteilung ist symmetrisch, also nicht schief, wenn die Ausprägungen symmetrisch um den Median verteilt sind. Bei unimodalen, symmetrischen Verteilungen: Modus = Median = Mittelwert Bei rechtsschiefen (linkssteilen) Verteilungen: Modus < Median < Mittelwert Bei linksschiefen (rechtssteilen) Verteilungen: Modus > Median > Mittelwert 46

47 Linksschief (rechtssteil) Mittelwert ( x ) < Median ( x~ ) < Modus Mittelwert Median Modus 47

48 Rechtschief (linkssteil) Mittelwert ( x ) > Median ( x~ ) > Modus Modus Mittelwert Median 48

49 Steilheit (kurtosis) Gibt die Wölbung einer Verteilung an. 49

50 Varianz und Standardabweichung Wir haben den IQR kennengelernt, der mit Hilfe von Quantilen berechnet wird und den Median umschließt. Die Varianz und Standardabweichung beschreiben Abweichungen vom Mittelwert. Die Schwerpunkteigenschaft des Mittelwerts wird hierfür herangezogen: n Die Summe aller ( xi x) = 0 Abweichungen vom i= 1 Mittelwert ist 0. 50

51 Variation ( SumofSquares ) Wie weit sind die beobachteten Werte vom Mittelwert entfernt? SS x = (x 1 - x ) 2 + (x 2 - x) (x n - x) 2 = n i= 1 ( x x) i 2 SS = SumofSquares oder Sum of squared differences 51

52 Beispiel: Variation x Alter (x i ) Mittelwert ( ) x i - (x i - ) n=17 x x SS x n = i= 1 ( x = 5732 i 52 x) 2

53 Varianz (variance) Mit steigender Fallzahl (n) steigt auch die Variation. Die Varianz (s 2 ) ist eine fallzahlunabhängige Größe: Varianz = Variation / n s 2 x n ( x x) 2 i 1 n = i= 1 = n n i= 1 ( x i x) 2 53

54 Beispiel: Varianz x Alter (x i ) Mittelwert ( ) x i - (x i - ) n=17 x x s 2 x = = = n i= 1 ( x i n ,18 x) 54 2

55 Standardabweichung (standarddeviation) Ein Nachteil der Varianz: Durch das Quadrieren verändert sich die Einheit der Messung. Für die Standardabweichung (s) wird daher die Wurzel der Varianz (s 2 ) genommen. s x 1 2 = s = x n n i= 1 ( x i x) 2 55

56 Zusammenfassung Verteilungen Häufigkeitstabellen Stamm-Blatt-Diagramm Lagemaße Arithmetisches Mittel / Mittelwert (=Durchschnitt) Median (=der Wert der mittleren Beobachtung) Modus (=der häufigste Wert) Streuungs- und Verteilungsmaße Spannweite Quantileund Interquartilabstand(IQR) Varianz und Standardabweichung Schiefe und Steilheit 56

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

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

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

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

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

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

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

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

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

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

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

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

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

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

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

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

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

Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II

Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16

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

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

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

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

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

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

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

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

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

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

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

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

UNIVARIATE DATENANALYSE STATISTISCHE MASSZAHLEN MODUL 7 PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK)

UNIVARIATE DATENANALYSE STATISTISCHE MASSZAHLEN MODUL 7 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 7 UNIVARIATE DATENANALYSE STATISTISCHE MASSZAHLEN

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

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

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

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

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

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

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/31 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

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

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

Streuungsmaße. Grundbegriffe

Streuungsmaße. Grundbegriffe Grundbegriffe Untersuchungseinheiten U,...,U n Merkml X Urliste x,...,x n geordnete Urliste x (),...,x (n) Es gilt i.llg.: xi x() i, i, Κ, n In einer westdeutschen Großstdt gibt es insgesmt drei Träger

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

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

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

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

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

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

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

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

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

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

Gewichtsentwicklung. der Vorarlberger Kindergartenkinder 2010 / 11 bis 2013 / 14

Gewichtsentwicklung. der Vorarlberger Kindergartenkinder 2010 / 11 bis 2013 / 14 Gewichtsentwicklung der Vorarlberger Kindergartenkinder 2010 / 11 bis 2013 / 14 und der Schülerinnen und Schüler aus Vorarlberger Volks- und Mittelschulen sowie polytechnischen und sonderpädagogischen

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

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

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

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

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

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

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

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

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

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

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

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

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

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

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

Quantitative empirische Sozialforschung

Quantitative empirische Sozialforschung Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft

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

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

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

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

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

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik Kapitel 1: Einführung in die Statistik Ralf Münnich und Stefan Zins Universität Trier Wintersemester 2009/10 Ralf Münnich und Stefan Zins (Universität Trier) Deskriptive Statistik

Mehr

Zeitreihen. Statistik II

Zeitreihen. Statistik II Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen

Mehr

Untersuchung ausgewählter sozioökonomischer Probleme unter Anwendung von Methoden der deskriptiven und induktiven Statistik

Untersuchung ausgewählter sozioökonomischer Probleme unter Anwendung von Methoden der deskriptiven und induktiven Statistik Semesterarbeit Untersuchung ausgewählter sozioökonomischer Probleme unter Anwendung von Methoden der deskriptiven und induktiven Statistik Semesterarbeit im Fach Stochastik und Induktive Statistik im Fachbereich

Mehr

Alltagskompetenz im Test Umfrage an Berliner Schüler

Alltagskompetenz im Test Umfrage an Berliner Schüler Berlin, 14. März 2006 Weltverbrauchertag 2006: Fragebogen zur Verbraucherbildung Alltagskompetenz im Test Umfrage an Berliner Schüler Der Hintergrund Anlass für die Erhebung ist der Weltverbrauchertag

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

1 Deskriptive Statistik

1 Deskriptive Statistik 1 1 Deskriptive Statistik Statistik und die von dieser Wissenschaft bereitgestellten Methoden sind stets notwendig, wenn im Rahmen empirischer Untersuchungen Daten erhoben und analysiert werden sollen.

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

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

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

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

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

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken ÜBERSICHTSARBEIT Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken Teil 7 der Serie zur Bewertung wissenschaftlicher Publikationen Albert Spriestersbach,

Mehr

Lineare Modelle in R: Einweg-Varianzanalyse

Lineare Modelle in R: Einweg-Varianzanalyse Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der

Mehr

Vorlesung: Statistik I für Statistiker, Mathematiker und Informatiker

Vorlesung: Statistik I für Statistiker, Mathematiker und Informatiker Vorlesung: Statistik I für Statistiker, Mathematiker und Informatiker Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Termine und Informationen Homepage: www.stat.uni-muenchen.de/

Mehr

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29.

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Januar 2008 Prüfungsmodus Prüfungsdauer schriftliche Klausur 60 Minuten Punktemaximum:

Mehr

DATEN- ANALYSE. Marcus Hudec Christian Neumann. mit Excel. Institut für Statistik der Universität Wien

DATEN- ANALYSE. Marcus Hudec Christian Neumann. mit Excel. Institut für Statistik der Universität Wien DATEN- ANALYSE mit Excel Marcus Hudec Christian Neumann Institut für Statistik der Universität Wien Vorwort Wir leben im Jahrhundert der Statistik! lautet der Leitsatz von STAT 4 U, dem Projekt zur Vermittlung

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

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

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

Stochastik und Statistik für Ingenieure Vorlesung 8

Stochastik und Statistik für Ingenieure Vorlesung 8 PD. Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 8 6. Dezember 2013 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff

Mehr

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft

Mehr