Stochastik und Statistik für Ingenieure Vorlesung 8
|
|
- Birgit Siegel
- vor 8 Jahren
- Abrufe
Transkript
1 PD. Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 8 6. Dezember 2013
2 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff Statistik wurde Ende des 17. Jahrhunderts geprägt für die verbale oder numerische Beschreibung eines bestimmten Staates oder den Inbegriff der Staatsmerkwürdigkeiten eines Landes oder Volkes (er hat dieselbe Wortwurzel wie Staat oder Staatsmann ). Heute hat dieser Begriff viele verschiedene Bedeutungen, z.b. für eine tabellarische oder graphische Darstellung von zahlenmäßig erhobenen Daten; einen Fachausdruck für eine Stichprobenfunktion; eine methodische Hilfswissenschaft zur zahlenmäßigen Untersuchung von Massenerscheinungen. Hier soll mit dem Begriff Statistik eine Zusammenfassung von Methoden verstanden werden, die zur zahlenmäßigen oder graphischen Analyse von Daten dienen soll, insbesondere im Zusammenhang mit Massenerscheinungen und zufallsbehafteten Vorgängen. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 1
3 Teilgebiete der Statistik Die beschreibende oder deskriptive Statistik behandelt z.b. beschreibende Aussagen über statistische Daten, deren Veranschaulichung oder Möglichkeiten der Datenreduktion. Eng damit verwandt ist die explorative Datenanalyse, bei der z.b. Daten auf Unstimmigkeiten hin untersucht werden oder Modellvorstellungen über die den Daten zugrundeliegenden Gesetzmäßigkeiten entwickelt werden. Die Methoden der schließenden oder beurteilenden Statistik dienen z.b. zur Ableitung von statistisch gesicherten Aussagen über die den Daten zugrunde liegenden Sachverhalte, etwa die Schätzung von Kenngrößen oder die Durchführung von statistischen Tests. Insbesondere in der schließenden Statistik werden (auch zum Teil sehr anspruchsvolle) mathematische Methoden verwendet, deren (Weiter-)Entwicklung und Begründung durch die mathematische Statistik erfolgt. Insgesamt bestehen enge Beziehungen zwischen der Statistik und der Wahrscheinlichkeitsrechnung (Stochastik). PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 2
4 Vorgehen bei statistischen Untersuchungen 1 Studienplanung (Vorbereitung und Planung): u. a.mit der exakten Formulierung des Untersuchungsziels der Festlegung der Art der Untersuchung, der Bestimmung der Stichprobengröße der Klärung organisatorischer und technischer Fragen (z.b. über die Verwendung welcher Tests, Ein- bzw. Ausschlusskriterien) der Berücksichtigung der entstehenden Kosten Durchführung (Erhebung, Datenerfassung): Man unterscheidet Primärdaten (die Daten werden eigens für den Untersuchungszweck erhoben) bzw. Sekundärdaten (vorhandenes Datenmaterial) Bei einer Primärstatistik unterscheidet man Vollerhebungen und Teilerhebungen Erhebungsarten bei primärstatistischen Untersuchungen sind z.b. die schriftliche bzw. mündliche Befragung die Beobachtung das Experiment die automatische Erfassung PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 3
5 Vorgehen bei statistischen Untersuchungen 2 Datenmanagement (Datenkontrolle und -aufbereitung): Hier können z.b. die Verkodierung, die Vorgehensweise mit Ausreißern oder Prüfungen zur sachlichen Richtigkeit (Plausibilität), Vollzähligkeit oder Vollständigkeit eine Rolle spielen. Analyse (Datenauswertung und-analyse): z.b. Beschreibung der Stichprobe (deskriptive Statistik) Schluss auf die Grundgesamtheit (schließende, induktive, analytische, beurteilende Statistik) Präsentation, Interpretation und Diskussion der Ergebnisse: z.b. zur Ableitung von Kernaussagen aus der Analyse der Daten PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 4
6 Untersuchungseinheiten, Grundgesamtheit und Stichprobe Daten werden an gewissen Objekten (den Untersuchungseinheiten ) beobachtet, z.b. Wirksamkeit eines Medikaments an Patienten Lebensdauern an elektronischen Geräten Ankunftsraten an Bahnkunden Einschätzung der wirtschaftl. Lage an Personen aus der Bevölk. Untersuchungseinheit= Einzelobjekt einer statistischen Untersuchung Jede Untersuchungseinheit wird hinsichtlich des Untersuchungsziels durch sachliche, räumliche und zeitliche Kriterien abgegrenzt, bzw. identifiziert. Grundgesamtheit= Gesamtheit von Untersuchungseinheiten mit übereinstimmenden Identifikationskriterien Stichprobe= Teilmenge der Grundgesamtheit, die bei einer stat. Untersuchung erfasst wird PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 5
7 Merkmale und Merkmalsausprägungen eigentlich interessieren nicht die Untersuchungseinheiten selbst, sondern bestimmte Eigenschaften der Untersuchungseinheiten (sogen. Merkmale), z.b. interessiert nicht der Patient selbst, sondern ob oder wie das Medikament bei ihm wirkt; bei Umfragen interessiert nicht der Passant, sondern seine Meinung Merkmal = Größe oder Eigenschaft einer Untersuchungseinheit, die auf Grund der interessierenden Fragestellung erhoben bzw. gemessen wird Merkmalsausprägung = möglicher Wert, den ein Merkmal annehmen kann Merkmalsträger = Untersuchungseinheit PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 6
8 Beispiel Mietspiegel Nettomiete abhängig von Merkmalen wie Art: Altbau, Neubau Lage: Innenstadt, Stadtrand Größe: 40m 2, 95m 2,... Baujahr: } {{ } 1932, 1965, 1983, 1995,... } {{ } Merkmale Ausprägungen In der Regel werden mehrere Merkmale an einem Merkmalsträger beobachtet; z.b. Merkmalsträger: Wetter zu einem best. Zeitpunkt an einem bestimmten Ort Merkmale: Temperatur, Niederschlagsmenge, Luftdruck, Bewölkung, Luftfeuchtigkeit, Sicht,... Merkmalsausprägungen müssen keine Zahlen sein; z.b. Bewölkung: wolkenlos, heiter, leicht bewölkt, wolkig, bedeckt Autofarbe: rot, grün, schwarz,... PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 7
9 Bwzeichnungen und Klassifikation von Merkmalen Bezeichnungen: Grundgesamtheit: Ω Untersuchungseinheit: ω oder i Merkmale: X, Y, Z oder auch X 1, X 2, X 3 Menge der Merkmalsausprägungen: S Merkmalsausprägungen: x = X(ω) oder x i = X(i) Merkmal ist eine Funktion X : Ω S, die jeder Untersuchungseinheit die zugehörige Merkmalsausprägung zuordnet. Klassifikation von Merkmalen: Merkmale qualitatives M. Rangmerkmal quantitatives M. diskret stetig PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 8
10 Merkmalstypen qualitatives Merkmal: es gibt weder eine nat. Ordnung der Ausprägungen, noch ist es sinnvoll, Abstände oder Verhältnisse der Ausprägungen zu betrachten; Ausprägungen meist verbal beschrieben Rangmerkmal: es gibt eine nat. Ordnung der Ausprägungen, aber es ist nicht sinnvoll, Abstände oder Verhältnisse der Ausprägungen zu betrachten; Ausprägungen verbal oder durch nat. Zahlen beschrieben quantitatives Merkmal: es gibt nat. Ordnung, Abstände oder Verhältnisse sind interpretierbar diskretes Merkmal: Ausprägungen sind isolierte Zustände, Menge der möglichen Ausprägungen ist abzählbar stetiges Merkmal: Ausprägungen liegen dicht, zwischen je zwei Ausprägungen ist stets eine weitere möglich Beachte: Jede praktische Messung bei stetigen Merkmalen ist durch die jeweilige Grenze der Messgenauigkeit bedingt diskret. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 9
11 Merkmalstypen (Beispiele) Merkmal Ausprägungen Art Geschlecht m / w keine Ordnung qualitativ Automarke Fiat, Toyota,... keine Ordnung qualitativ Prüfungsnote 1, 2, 3, 4, 5 Ordnung, Rangmerkmal Abst. nicht interpr. Beliebtheit von sehr, mäßig, nicht Ordnung, Rangmerkmal Politikern Abst. nicht interpr. Anzahl Kinder 0, 1, 2, 3,... Ordnung, quantitativ, in einer Familie Abst. interpr., diskret keine Auspr. zw. 2 anderen mögl. Regenmenge 20mm, 50mm,... Ordnung, quantitativ, an einem Tag Abst. interpr., stetig Verhältn. interpr., zwischen 2 Auspr. immer weitere mögl. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 10
12 Das Problem der Repräsentativität Die Repräsentativität spielt für statistische Auswertungen und Aussagen eine sehr große Rolle. Dabei können u.a. zwei Probleme bei Teilerhebungen von Bedeutung sein. Das Auswahlverfahren der Individuen aus der Grundgesamtheit (das Ziehen der Stichprobe). Dieses sollte so organisiert sein, dass jedes Individuum die gleiche Chance hat, ausgewählt zu werden und dass die Individuen unabhängig voneinander ausgewählt werden. Zu beachten ist, dass zu jedem Individuum auch mehrere Merkmale beobachtet werden können. Die Erhebung einer Stichprobe aus Zufallsexperimenten. Dabei sollte gewährleistet sein, dass die Versuche unter gleichbleibenden Versuchsbedingungen durchgeführt werden und dass die Zufallsexperimente unabhängig voneinander durchgeführt werden. Auch in diesem Fall können mehrere Merkmale von Interesse sein. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 11
13 Nutzung von Statistik-Computerprogrammen Statistische Untersuchungen werden heutzutage im Allgemeinen unter Verwendung von Statistik-Computerprogrammen durchgeführt. Im Rahmen dieser Vorlesung werden entsprechende Vorgehensweisen mit Hilfe von 2 Programmen (von unterschiedlichem Typ) illustriert. Diese können nicht direkt in den Übungen geübt werden, deshalb sind hier selbstständige Bemühungen wünschenswert. Die Interpretation der Ausgabeinformationen der Computerprogramme und die prinzipielle Vorgehensweise (die Schritte, die nacheinander und in Abhängigkeit von bereits erzielten Ergebnissen durchzuführen sind) sind jedoch Bestandteil der Vorlesung und auch der Übung und gehören zum Prüfungsstoff. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 12
14 Statgraphics Statgraphics Centurion ist ein menübasiertes Statistik-Computerprogramm, für das an der TU Bergakademie Freiberg eine Campuslizenz existiert. Informationen über die Installation des Programms und eine Anleitung zur Nutzung finden Sie z.b. auf der Webseite (unten) Ein ähnliches (auch kommerzielles) menübasiertes Statistik-Computerprogramm ist SPSS. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 13
15 Das Programmpaket R R ist ein freies Statistik-Softwarepaket. Es kann unter kostenlos heruntergeladen werden. R ist ein kommandozeilenorientiertes Programm. Man gibt Befehle ein, die sofort ausgeführt werden und oft Ausgabeinformationen erzeugen. Mit Hilfe von Skripten können aufeinanderfolgende Befehlsketten zur Verarbeitungen vorbereitet und dann jedes Mal bei Bedarf ausgeführt werden. Durch die Mitarbeit vieler Personen wächst der Umfang der Programme und damit der Umfang der mit R bearbeitbaren Probleme ständig. Ein ähnliches kommandozeilenorientiertes Programm ist SPlus. Dieses ist allerdings ein kommerzielles Programm. PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 14
16 Beispieldatensatz Iris gehört als Beispieldatensatz zum Programmpaket R Datensatz enthält Werte von jeweils 50 Exemplaren von 3 Pflanzenarten Iris setosa (Borsten-Schwertlilie), Iris versicolor (Schwertlilie) und Iris virginica (Virginische oder Blaue Sumpfschwertlilie) zu jeder Blume wurden jeweils die folgenden Informationen erhoben: die Länge des Kelchblattes in cm ( Sepal.Length ) die Breite des Kelchblattes in cm ( Sepal.Width ) die Länge des Blütenblattes in cm ( Petal.Length ) die Breite des Blütenblattes in cm ( Petal.Width ) die Blumenart ( Species ) die Daten können in R wie folgt geladen werden: > data(iris) Informationen zum Datensatz erhält man in R durch > help(iris) PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 15
17 R Dokumentation zum Iris-Beispieldatensatz (> help(iris)) R: Edgar Anderson's Iris Data iris {datasets} R Documentation Edgar Anderson's Iris Data Description This famous (Fisher's or Anderson's) iris data set gives the measurements in centimeters of the variables sepal length and width and petal length and width, respectively, for 50 flowers from each of 3 species of iris. The species are Iris setosa, versicolor, and virginica. Usage iris iris3 Format iris is a data frame with 150 cases (rows) and 5 variables (columns) named Sepal.Length, Sepal.Width, Petal.Length, Petal.Width, and Species. iris3 gives the same data arranged as a 3-dimensional array of size 50 by 4 by 3, as represented by S-PLUS. The first dimension gives the case number within the species subsample, the second the measurements with names Sepal L., Sepal W., Petal L., and Petal W., and the third the species. Source Fisher, R. A. (1936) The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7, Part II, The data were collected by Anderson, Edgar (1935). The irises of the Gaspe Peninsula, Bulletin of the American Iris Society, 59, 2 5. References Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole. (has iris3 as iris.) See Also matplot some examples of which use iris. Examples dni3 <- dimnames(iris3) ii <- data.frame(matrix(aperm(iris3, c(1,3,2)), ncol=4, dimnames = list(null, sub(" L.",".Length", sub(" W.",".Width", dni3[[2]])))), Species = gl(3, 50, labels=sub("s", "s", sub("v", "v", dni3[[3]])))) all.equal(ii, iris) # TRUE [Package datasets version Index] PD. Dr. Frank Heyde (TUBAF) Stochastik/Statistik für Ingenieure Vorlesung 8 16
Statistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. Mai 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistik für Ingenieure Vorlesung 8
Statistik für Ingenieure Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2016 Bezeichnungen und Klassifikationen von Merkmalen Bezeichnungen: Grundgesamtheit:
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 1. Juni 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 8 Version: 30. Mai
MehrStatistik für Ingenieure Vorlesung 7
Statistik für Ingenieure Vorlesung 7 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2017 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrGrundlagen 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,
MehrStichprobenauslegung. 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
Mehr2. 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
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
Mehr1. 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
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrArtenkataster. Hinweise zur Datenbereitstellung. Freie und Hansestadt Hamburg. IT Solutions GmbH. V e r s i o n 1. 0 0.
V e r s i o n 1. 0 0 Stand Juni 2011 Freie und Hansestadt Hamburg Behörde für Stadtentwicklung und Umwelt IT Solutions GmbH Artenkataster Auftraggeber Freie und Hansestadt Hamburg Behörde für Stadtentwicklung
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrEinführung. 2. Sie entstehen erst durch Beobachtung, Erhebung, Befragung, Experiment
Einführung In vielen Gebieten des öffentlichen Lebens, in der Wirtschaft, der Verwaltung, der Industrie, der Forschung, in der Medizin etc. werden Entscheidungen auf der Grundlage von bestimmten Daten
MehrFachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer
Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Klassendiagramme Ein Klassendiagramm dient in der objektorientierten Softwareentwicklung zur Darstellung von Klassen und den Beziehungen,
MehrSkalenniveau 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
MehrMitarbeiterbefragung als PE- und OE-Instrument
Mitarbeiterbefragung als PE- und OE-Instrument 1. Was nützt die Mitarbeiterbefragung? Eine Mitarbeiterbefragung hat den Sinn, die Sichtweisen der im Unternehmen tätigen Menschen zu erkennen und für die
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
MehrUntersuchungsdesign: 23.11.05
Untersuchungsdesign: 23.11.05 Seite 1! Ablauf Untersuchungsdesign! Beispiel! Kleine Übung! Diskussion zur Vorbereitung von Übung 2 Während Sie das Untersuchungsdesign festlegen, planen und bestimmen Sie:
MehrVerband der TÜV e. V. STUDIE ZUM IMAGE DER MPU
Verband der TÜV e. V. STUDIE ZUM IMAGE DER MPU 2 DIE MEDIZINISCH-PSYCHOLOGISCHE UNTERSUCHUNG (MPU) IST HOCH ANGESEHEN Das Image der Medizinisch-Psychologischen Untersuchung (MPU) ist zwiespältig: Das ist
MehrWillkommen 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
MehrEs sollte die MS-DOS Eingabeaufforderung starten. Geben Sie nun den Befehl javac ein.
Schritt 1: Installation des Javacompilers JDK. Der erste Start mit Eclipse Bevor Sie den Java-Compiler installieren sollten Sie sich vergewissern, ob er eventuell schon installiert ist. Gehen sie wie folgt
MehrDokumentation zur Versendung der Statistik Daten
Dokumentation zur Versendung der Statistik Daten Achtung: gem. 57a KFG 1967 (i.d.f. der 28. Novelle) ist es seit dem 01. August 2007 verpflichtend, die Statistikdaten zur statistischen Auswertung Quartalsmäßig
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrFelix Klug SS 2011. 2. Tutorium Deskriptive Statistik
2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrMitarbeiterbefragung zur Führungsqualität und Mitarbeitermotivation in Ihrem Betrieb
Mitarbeiterbefragung zur Führungsqualität und Mitarbeitermotivation in Ihrem Betrieb Einleitung Liebe Chefs! Nutzen Sie die Aktion des Handwerk Magazins, um Ihre Führungsqualitäten zu erkennen. Durch eine
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrMulticheck Schülerumfrage 2013
Multicheck Schülerumfrage 2013 Die gemeinsame Studie von Multicheck und Forschungsinstitut gfs-zürich Sonderauswertung ICT Berufsbildung Schweiz Auswertung der Fragen der ICT Berufsbildung Schweiz Wir
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrMarkovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015
Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrDie Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder
1 2 3 Die Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder die Forschungsziele. Ein erstes Unterscheidungsmerkmal
MehrIn diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können.
Tutorial: Wie erfasse ich einen Termin? In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Neben den allgemeinen Angaben zu einem
MehrWie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann?
Innovationstransferund Forschungsinstitut für berufliche Aus-und Weiterbildung SCHWERIN Wie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann? von Dr. Walter Gürth Workshop der
Mehr2. Psychologische Fragen. Nicht genannt.
Checkliste für die Beurteilung psychologischer Gutachten durch Fachfremde Gliederung eines Gutachtens 1. Nennung des Auftraggebers und Fragestellung des Auftraggebers. 2. Psychologische Fragen. Nicht genannt.
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrLokale Installation von DotNetNuke 4 ohne IIS
Lokale Installation von DotNetNuke 4 ohne IIS ITM GmbH Wankelstr. 14 70563 Stuttgart http://www.itm-consulting.de Benjamin Hermann hermann@itm-consulting.de 12.12.2006 Agenda Benötigte Komponenten Installation
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrMelanie 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
MehrDieses erste Kreisdiagramm, bezieht sich auf das gesamte Testergebnis der kompletten 182 getesteten Personen. Ergebnis
Datenanalyse Auswertung Der Kern unseres Projektes liegt ganz klar bei der Fragestellung, ob es möglich ist, Biere von und geschmacklich auseinander halten zu können. Anhand der folgenden Grafiken, sollte
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrAnalog 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
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrStatistik I für Betriebswirte Vorlesung 11
Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistische Datenanalyse mit SPSS
Aus dem Kursangebot des Rechenzentrums: Statistische Datenanalyse mit SPSS Dozent: Termine: Raum: Johannes Hain, Lehrstuhl für Mathematik VIII Statistik 24. bis 27.08.2015 jeweils von 13:00 bis 16:00 Uhr
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
MehrMädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62
Unabhängigkeit ================================================================== 1. Im Rahmen der sogenannten JIM-Studie wurde in Deutschland im Jahr 2012 der Umgang von Jugendlichen im Alter von 12 bis
MehrGrundlagen 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
MehrStep by Step Webserver unter Windows Server 2003. von Christian Bartl
Step by Step Webserver unter Windows Server 2003 von Webserver unter Windows Server 2003 Um den WWW-Server-Dienst IIS (Internet Information Service) zu nutzen muss dieser zunächst installiert werden (wird
Mehr1. 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
MehrEinführung 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! " # $ " % & Nicki Wruck worldwidewruck 08.02.2006
!"# $ " %& Nicki Wruck worldwidewruck 08.02.2006 Wer kennt die Problematik nicht? Die.pst Datei von Outlook wird unübersichtlich groß, das Starten und Beenden dauert immer länger. Hat man dann noch die.pst
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrMarktforschung. Marketing für den KMU / J. Schoch
Marktforschung 9. Unterrichtsblock Marketing für den KMU Die Marktforschung hat zum Ziel, Informationen sei es auf dem Feld oder mit Statistiken zu gewinnen, um Trends, Möglichkeiten, Alternativen, Sinn
MehrBachelorabschlussseminar 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
MehrPowerPoint 2010 Mit Folienmastern arbeiten
PP.002, Version 1.1 07.04.2015 Kurzanleitung PowerPoint 2010 Mit Folienmastern arbeiten Der Folienmaster ist die Vorlage für sämtliche Folien einer Präsentation. Er bestimmt das Design, die Farben, die
MehrZwei einfache Kennzahlen für große Engagements
Klecksen nicht klotzen Zwei einfache Risikokennzahlen für große Engagements Dominik Zeillinger, Hypo Tirol Bank Die meisten Banken besitzen Engagements, die wesentlich größer sind als der Durchschnitt
MehrTypisierung des Replikationsplan Wirries, Denis Datenbankspezialist
Typisierung des Replikationsplan Wirries, Denis Datenbankspezialist Feintypisierung - Überblick Ergebnisse Ergebnisse aus aus anderen anderen Arbeitsergebnissen Arbeitsergebnissen Replikationsplan Replikationsplan
MehrQualitative und Quantitative Forschungsmethoden
Qualitative und Quantitative Forschungsmethoden Unterschiede zwischen den Forschungsstrategien Überprüfendes vs. Entdeckendes Erkenntnisinteresse Ziel ist die Überprüfung von Theorieaussagen. Es werden
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrBlueEvidence Services in Elexis
BlueEvidence Services in Elexis Bezeichnung: BlueEvidence Services Author: Thomas Huster Version: 1.1.0, 06.03.2013 Beschreibung: Dieses Plug-In integriert die BlueEvidence Services
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
Mehr5.12. Variable Temperaturgradienten über dem Scheibenzwischenraum
5. Numerische Ergebnisse 92 5.12. Variable Temperaturgradienten über dem Scheibenzwischenraum Strukturbildungsprozesse spielen in der Natur eine außergewöhnliche Rolle. Man denke nur an meteorologische
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
MehrEducase. Release Notes 1.7: Neue Funktionen und Verbesserungen. Base-Net Informatik AG Wassergrabe 14 CH-6210 Sursee
Educase Release Notes 1.7: Neue Funktionen und Verbesserungen Version: 1.0 Datum: 01.12.2015 08:34 Ersteller: Andreas Renggli Status: Abgeschlossen Base-Net Informatik AG Wassergrabe 14 CH-6210 Sursee
MehrKreativ visualisieren
Kreativ visualisieren Haben Sie schon einmal etwas von sogenannten»sich selbst erfüllenden Prophezeiungen«gehört? Damit ist gemeint, dass ein Ereignis mit hoher Wahrscheinlichkeit eintritt, wenn wir uns
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
Mehr«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen
18 «Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen teilnimmt und teilhat.» 3Das Konzept der Funktionalen
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrVersion 0.3. Installation von MinGW und Eclipse CDT
Version 0.3 Installation von MinGW und Eclipse CDT 1. Stellen Sie fest, ob Sie Windows in der 32 Bit Version oder in der 64 Bit Version installiert haben. 2. Prüfen Sie, welche Java Runtime vorhanden ist.
MehrEntwicklung des Dentalmarktes in 2010 und Papier versus Plastik.
Sehr geehrter Teilnehmer, hier lesen Sie die Ergebnisse aus unserer Umfrage: Entwicklung des Dentalmarktes in 2010 und Papier versus Plastik. Für die zahlreiche Teilnahme an dieser Umfrage bedanken wir
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
MehrFlüchtlingskinder in Deutschland Eine Studie von infratest dimap im Auftrag des Deutschen Kinderhilfswerkes e.v.
Eine Studie von infratest dimap im Auftrag des Deutschen Kinderhilfswerkes e.v. Zusammenfassung Nach Schätzungen leben in Deutschland mehr als 65.000 Kinder und Jugendliche mit unsicherem Aufenthaltsstatus.
Mehrimpact ordering Info Produktkonfigurator
impact ordering Info Copyright Copyright 2013 veenion GmbH Alle Rechte vorbehalten. Kein Teil der Dokumentation darf in irgendeiner Form ohne schriftliche Genehmigung der veenion GmbH reproduziert, verändert
MehrB&B Verlag für Sozialwirtschaft GmbH. Inhaltsübersicht
Inhaltsübersicht Der Wandel vom Verkäufermarkt zum Käufermarkt... 5 Erfinde Produkte und verkaufe sie!... 5 Finde Wünsche und erfülle sie!... 5 Der Kunde ist der Maßstab... 6 Der Kundenwunsch hat Vorrang...
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrSCHRITT 1: Öffnen des Bildes und Auswahl der Option»Drucken«im Menü»Datei«...2. SCHRITT 2: Angeben des Papierformat im Dialog»Drucklayout«...
Drucken - Druckformat Frage Wie passt man Bilder beim Drucken an bestimmte Papierformate an? Antwort Das Drucken von Bildern ist mit der Druckfunktion von Capture NX sehr einfach. Hier erklären wir, wie
MehrAdminer: Installationsanleitung
Adminer: Installationsanleitung phpmyadmin ist bei uns mit dem Kundenmenüpasswort geschützt. Wer einer dritten Person Zugriff auf die Datenbankverwaltung, aber nicht auf das Kundenmenü geben möchte, kann
MehrDie Klimaforscher sind sich längst nicht sicher. Hans Mathias Kepplinger Senja Post
1 Die Klimaforscher sind sich längst nicht sicher Hans Mathias Kepplinger Senja Post In: Die Welt, 25. September 2007 - Dokumentation der verwandten Daten - 2 Tabelle 1: Gefährlichkeit des Klimawandels
MehrDie Post hat eine Umfrage gemacht
Die Post hat eine Umfrage gemacht Bei der Umfrage ging es um das Thema: Inklusion Die Post hat Menschen mit Behinderung und Menschen ohne Behinderung gefragt: Wie zufrieden sie in dieser Gesellschaft sind.
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrProgramm 4: Arbeiten mit thematischen Karten
: Arbeiten mit thematischen Karten A) Anteil der ausländischen Wohnbevölkerung an der Wohnbevölkerung insgesamt 2001 in Prozent 1. Inhaltliche und kartographische Beschreibung - Originalkarte Bei dieser
Mehr