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

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

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

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

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

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

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

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. 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

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

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

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

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

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

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

Einfache Statistiken in Excel

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

Mehr

Deskriptive Statistik

Deskriptive Statistik 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

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

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

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

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

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 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

Vorlesung: Statistik für Kommunikationswissenschaftler

Vorlesung: Statistik für Kommunikationswissenschaftler Vorlesung: Statistik für Kommunikationswissenschaftler Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Übungen zur Veranstaltung Mittwoch: 14.15-15.45 HG DZ007 Cornelia Oberhauser

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

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

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

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

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

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

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

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

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 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

Blockpraktikum zur Statistik mit R

Blockpraktikum zur Statistik mit R Blockpraktikum zur Statistik mit R 2. April 2014 Fabian Buckmann Institut für Mathematische Statistik Universität Münster WS 13/14 Gliederung 1 Überblick über die Statistik Ziele in der Statistik und der

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

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Fachhochschule Düsseldorf Wintersemester 2008/09

Fachhochschule Düsseldorf Wintersemester 2008/09 Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige

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

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

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

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

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

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

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung

Mehr

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche

Mehr

12. Vergleich mehrerer Stichproben

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

Mehr

Einführung in statistische Analysen

Einführung in statistische Analysen Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die

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

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

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

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

Inhaltliche Schwerpunkte der einzelnen Methodenmodule

Inhaltliche Schwerpunkte der einzelnen Methodenmodule Inhaltliche Schwerpunkte der einzelnen Methodenmodule PM 1: Ü: Erkundungen zur Forschungspraxis Die Übung zielt darauf ab, erste Einblicke in zentrale Fragen des sozialwissenschaftlichen Forschungsprozesses

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

1. Einfuhrung zur Statistik

1. Einfuhrung zur Statistik Philipps-Universitat Marburg Was ist Statistik? Statistik = Wissenschaft vom Umgang mit Daten Phasen einer statistischen Studie 1 Studiendesign Welche Daten sollen erhoben werden? Wie sollen diese erhoben

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

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

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

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Armin Monecke Im Folgenden gibt es 4 Aufgabenblöcke. Block 1: Daten einlesen,

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

Skalenniveau Grundlegende Konzepte

Skalenniveau Grundlegende Konzepte Skalenniveau Grundlegende Konzepte M E R K M A L / V A R I A B L E, M E R K M A L S A U S P R Ä G U N G / W E R T, C O D I E R U N G, D A T E N - M A T R I X, Q U A N T I T A T I V E S M E R K M A L, Q

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

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:

Mehr

Melanie Kaspar, Prof. Dr. B. Grabowski 1

Melanie Kaspar, Prof. Dr. B. Grabowski 1 7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen

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

Proteinsequenzen. Raumstruktur GPCR. G-Protein gekoppelte Rezeptoren

Proteinsequenzen. Raumstruktur GPCR. G-Protein gekoppelte Rezeptoren G-Protein gekoppelte Rezeptoren Proteinsequenzen MEEPGAQCAPPPPAGSETWVPQANL SSAPSQNCSAKDYIYQDSISLPWKV LLVMLLALITLATTLSNAFVIATVY RTRKLHTPANYLIASLAVTDLLVSI LVMPISTMYTVTGRWTLGQVVCDFW LSSDITCCTASILHLCVIALDRYWA

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

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

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

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

Mehr

Einführung in 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

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

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

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

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben

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

TÜV Service tested Prüfgrundlagen

TÜV Service tested Prüfgrundlagen TÜV Service tested Prüfgrundlagen 60 Grundsätzliche Prüfgrundlagen Für die Auszeichnung TÜV Service tested müssen drei Voraussetzungen erfüllt sein: 1. Die Gesamtzufriedenheit muss von den Kunden des Unternehmens

Mehr

Qualitätsmanagement: Wichtige Begriffe und Formeln aus der Statistik

Qualitätsmanagement: Wichtige Begriffe und Formeln aus der Statistik Qualitätsmanagement: Begriffe und Formeln aus der Statistik 1 von 50 Qualitätsmanagement: Wichtige Begriffe und Formeln aus der Statistik Quellen: Diverse Online UNI- & FH-Skripten Inhaltsverzeichnis EINLEITUNG...

Mehr

Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften

Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften Dr. Viola Vockrodt-Scholz Telefon: 030/25 29 93 26 Email: vvs@zedat.fu-berlin.de Dr.Viola.Vockrodt-Scholz@t-online.de www.userpage.fu-berlin.de/~vvs

Mehr

5 Statistik in der Psychologie

5 Statistik in der Psychologie 5 Statistik in der Psychologie Für Anfänger in der Psychologie ist es nicht unbedingt einsichtig, warum man sich überhaupt statistische Kompetenzen in einer Sozialwissenschaft aneignen muss, wo es doch

Mehr