Das Histogramm, bzw. Stabdiagramm / Histogramm / Balkendiagramm
|
|
- Alfred Otto
- vor 8 Jahren
- Abrufe
Transkript
1 Histogram / Histogramm / histogram Akademische Disziplin der Statistik/academic field of statistics/ la discipline statistique/estadística/disciplina academica della statistica deskriptive Statistik/descriptive statistics/statistique descriptive Histogramm/histogram/histogram, diagramme à bandes/ diagrama de barras/istogramma delle frequenze Das Histogramm, bzw. Stabdiagramm / Histogramm / Balkendiagramm 1 Eine sehr beliebte Graphik und ein in allen Medien weitverbreitetes statistisches Darstellungsverfahren ist das Histogramm. Vermutlich ist es die Hauptanwendung deskriptiver statistischer Verfahren. Sie finden sich fast überall, wo über Zahlen geschrieben und berichtet wird, z.b. in Zeitungen, Firmenberichten, Parlamentsprotokollen, Fernsehnachrichten, usw. Wie das Torten-Diagramm ist es eine einfache graphische Darstellung, die sich in der Praxis bewährt hat. Strenggenommen werden dabei zwei Varianten unterschieden, die in der Praxis oft verwechselt oder gar bewußt vermischt werden, die Darstellung diskreter und die Darstellung stetiger Merkmale. Gemeinsam gilt für beide, daß von einer Datenmenge ausgegangen wird. Nach Durchführung einer statistischen Erhebung - und dies wird im folgenden als erfolgt angesehen - ist das Datenmaterial (die Urliste) so aufzubereiten, daß man die Fülle der Beobachtungen intellektuell aufnehmen und verarbeiten kann. Als erstes wird dazu der Begriff der absoluten und relativen Häufigkeit eingeführt. Seien {b 1, b 2,..., b n } die Beobachtungen - eine Erhebung der Länge n - zu einem beliebigen Merkmal X, das allgemein die Ausprägungen {X 1, X 2,..., X K }, K n aufweisen kann. Nicht alle b i (i {1, 2,..., n}) sind notwendigerweise verschieden, so daß die verschiedenen Ausprägungen mit den absoluten Häufigkeiten n k (k=1,2,...,k) mehrfach beobachtet wurden. Wenn die {n 1, n 2,..., n K } die absoluten Häufigkeiten eines beliebigen (nominalen, ordinalen oder kardinalen/diskreten oder stetigen) Merkmals bezeichnen, dann heißen die K f k = n k /n, mit n= Σ n k k=1 die relativen Häufigkeiten. Offensichtlich gilt: 0 f k 1. K=n trifft nur dann zu, falls alle Beobachtungen verschieden sind und zu jeder Ausprägung eine Beobachtung gemacht wird. Mit diesen Daten-Vereinbarungen können nun beide Varianten des Histogramms definiert werden.
2 Das Stabdiagramm - die Darstellung diskreter Merkmale Die Definition geschieht mit Hintergrund einer Illustration: 2 Illustration 1 (Ein diskretes Merkmal mit sechs Ausprägungen) Eine Menge von n Beobachtungen zum Merkmal B mit den verschiedenen Ausprägungen {B 1, B 2,..., B K } seien die jeweiligen Beobachtungen {n 1, n 2,..., n K }, z.b. die Ergebnisse von n=100 Würfen eines Würfels. Als Merkmalsausprägungen gibt es die sechs verschiedenen Augenzahlen {B 1, B 2,..., B K } = {1, 2, 3, 4, 5, 6}. Für die der Größe nach sortierten Merkmalsausprägungen (- die Sortierung ist für ein Stabdiagramm belanglos und dient hier nur der Übersichtlichkeit -) seien die folgenden Häufigkeiten n k (k=1,...,6) beobachtet worden: { B 1, B 2, B 3, B 4, B 5, B 6 } { 15, 20, 20, 10, 15, 20 }, n=100, K=6 bzw. als Tabelle: B k n k Zur Erleichterung der Einführung späterer Begriffe (z. B. empirischer und theoretischer statistischer Verteilungen -PDF-, weiterer Funktionen, z.b. Erwartungwerte - Mittelwert, Varianz, u.a.) sei das Beispiel umbezeichnet: x k n k Damit ergibt sich die folgende Definition des Stabdiagramms: Definition 1 (Stabdiagramm) Sei x eine beliebiges Element aus der Menge M, x M, M ={x 1, x 2,..., x K } die Menge von beobachteten verschiedenen Merkmalsausprägungen; sei weiter und g:= { M R + x g(x) : = { n k, fallsx=x k (k=1,...,k) 0, sonst M [0, 1] f:= { x f(x) := 1 n g(x) (die absolute Häufigkeitsfunktion) (die relative Häufigkeitsfunktion) Da es um Beobachtungen geht (Empirie =Beobachtungen aus der Praxis), heißen die Funktionen g und f auch empirische absolute bzw. relative Häufigkeitsfunktion, bzw. kurz: absolute bzw. relative Häufigkeit (s.o.).
3 3 Der Graph dieser Abbildung heißt Stabdiagramm, d.h. diese Darstellung, der Graph, wird als Stabdiagramm bezeichnet. Offensichtlich lassen sich solche Stabdiagramme für alle Merkmale erstellen. Für die obige Illustration ergibt sich das folgende Schema: Fortsetzung der 1. Illustration (Das Schema eines Stabdiagramms) f x Für die Illustration folgen für g und f: g(x) = { 15, x=1 20, x=2 20, x=3 10, x=4, g: M R + und f(x) = { 15, x=5 20, x=6 0, sonst 0.15, x=1 0.20, x=2 0.20, x=3 0.10, x=4, f: M [0, 1] 0.15, x=5 0.20, x=6 0.00, sonst Offensichtlich unterscheidet sich der Graph von g vom Graphen von f nur durch die Skalierung.
4 4 Das Histogramm - die Darstellung stetiger Merkmale Bei stetigen Merkmalen ist die Stabdiagramm-Darstellung offensichtlich ebenfalls möglich, aber sie unterschlägt sozusagen einen Teil der vorhandenen Information, die Ausdehnung des Merkmals, das nicht auf Punkten {1, 2,, K}, sondern auf Intervallen {K 1, K 2,, K K } angesiedelt ist. Die damit erforderliche andere Darstellung geschieht ebenfalls mit Hintergrund einer Illustration: Illustration 2 (Ein stetiges Merkmal mit sechs Ausprägungen) Zur Schätzung zukünftiger Kosten führt eine Krankenversicherung bei ihren Mitgliedern eine Umfrage durch, bei der auch das Merkmal Körpergewicht (in Kilogramm) betrachtet wird. Unter den männlichen Befragten gab es dazu folgendes Ergebnis: K i [50,60) [60,70 ) [70,75) [75,80) [80,90) [90,110) K i n i Dabei bedeutet n i die Häufigkeit von Beobachtungen im Intervall (in der Klasse) K i. Offenbar sind die Klassen allgemein nicht von gleicher Breite K i, obwohl aus Gründen der Vergleichbarkeit eine verbreitete Empfehlung ist, die Beobachtungen zu schon vor Beginn der Erhebung festzulegenden gleichgroßen Klassen K i zusammenzufassen, d.h. wenn möglich sollten die Klassen alle die gleiche Breite haben. Ein zweite verbreitete Empfehlung, ebenfalls aus Gründen der Darstellung ist, dort, wo die meisten Beobachtungen zu erwarten sind, die Klassenbreiten kleiner zu halten als in den Bereichen, in denen relativ wenige Beobachtungen zu erwarten sind. Beide Empfehlung sind ebenfalls Möglichkeiten der optischen Manipulation, bzw. Präsentation, etwas das in allen wichtigen Fragen ein Rolle spielt (z.b. ECONOMIC POLICY). Mit diesen Vorbereitungen ergibt sich die folgende Definition des Histogramms: Definition 2 (Histogramm) Sei X ein stetiges (kardinales) Merkmal mit jeweils n i (i=1,2,...,k) Beobachtungen in K verschiedenen Klassen (Intervallen, verschiedenen Merkmalsausprägungen) der Breite (Intervall-Länge) K i. Dann heißt die Funktion f:= { R R n + i n x f(x) = {, fallsx K K i i 0, sonst (empirische) Dichtefunktion. Der Graph der Dichtefunktion heißt Histogramm.
5 Fortsetzung der 2. Illustration (Das Schema eines Histogramms) Für die obige Illustration ergeben sich für f folgende Funktionswerte: , für x [50,60) , für x [60,70) f(x) = { , für x [70,75) , für x [75,80) , für x [80,90) , für x [90,110) Das der Illustration zugehörige Histogramm hat dann das folgende Aussehen:.060 f x Da über die Verteilung der Beobachtungen innerhalb der Klassen (im Regelfall) keine Information vorliegt, trifft man (hier implizit) die Annahme, daß die Beobachtungen sich innerhalb einer Klasse gleichmäßig verteilen. Dies hat spätere Auswirkungen (s.u. PDF). Wie der Vergleich der Definitionen 1 und 2 zeigt, wird im Histogramm im Vergleich zum Stabdiagramm die Häufigkeit f durch die Intervallbreite skaliert.
6 6 Literatur G. Uebe, M. Schäfer, Einführung in die Statistik für Wirtschaftswissenschaftler, Verlag Oldenbourg, München 1992, G. Bamberg, F. Baur, Statistik, Verlag Oldenbourg, München 1989 John DiNardo, Justin L Tobias, Nonparametric density and regression estimation, Journal of Economic Perspectives 15, No.4,2001, Edward R. Tufte, The visual display of quantitative information, Graphics Press, Cheshire, Connecticut, 1983, 3rd reprint 1984 Howard Wainer, Visual revelations, Copernicus (Springer-Verlag), Heidelberg 1997 Beispiele Beispiel 1 (Einige Aufgaben zum Histogramm) Beispiel 2 (Diverse Darstellungen, die einem Histogramm bzw. einen Stabdiagramm entsprechen, Formulierung als Aufgabe) Beispiel 3 (Einige Aufgaben zum Histogramm, bzw. Stabdiagramm) (STATISTICS, FREQUENCY)
N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -
2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
MehrKapitel 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
MehrGrafische Darstellung von Häufigkeitsverteilungen (1)
Grafische Darstellung von Häufigkeitsverteilungen () Grafische Darstellungen dienen... - Einführung - der Unterstützung des Lesens und Interpretierens von Daten. der Veranschaulichung mathematischer Begriffe
Mehra 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52
2 Häufigkeitsverteilungen 2.0 Grundbegriffe Ziel: Darstellung bzw. Beschreibung (Exploration) einer Variablen. Ausgangssituation: An n Einheiten ω 1,..., ω n sei das Merkmal X beobachtet worden. x 1 =
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische
MehrFinanzierung und Investition
Kruschwitz/Husmann (2012) Finanzierung und Investition 1/31 Kruschwitz/Husmann (2012) Finanzierung und Investition 2/31 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München
Mehr2 Häufigkeitsverteilungen
14 Häufigkeitsverteilungen 2 Häufigkeitsverteilungen Lernziele In diesem Kapitel geht es um beschreibende Statistik. Nach erfolgreicher Bearbeitung sind Sie in der Lage, eine zunächst unübersichtliche
Mehrx n eine Audruck für die mittlere Lebensdauer (=Lebenserwartung) der Gruppe N.
Lebenserwartung Bevölkerungslehre / demography / démographie /demografia / demografia Akademische Disziplin der Statistik/academic field of statistics/ la discipline statistique/estadística/disciplina
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik Häufigkeitsverteilungen Statistische Kennwerte 3 Multivariate Statistik 4 Regression 5 Ergänzungen Deskriptive
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 14. Oktober 2010 Übungen Aufgabenblatt 1 wird heute Nachmittag auf das Weblog gestellt. Geben Sie die Lösungen dieser
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
MehrStatistik I (Deskriptive Statistik)
Folien zur Vorlesung Statistik I (Deskriptive Statistik) Wintersemester 2011/2012 Donnerstag, 10.15-11.45 Uhr Hörsaal: Aula am Aasee Dr. Andrea Beccarini Westfälische Wilhelms-Universität Münster Inhalt
MehrWahrscheinlichkeitsrechnung und Statistik
Wahrscheinlichkeitsrechnung und Statistik Für Ingenieurstudenten an Fachhochschulen von Michael Sachs erweitert Wahrscheinlichkeitsrechnung und Statistik Sachs schnell und portofrei erhältlich bei beck-shopde
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
Mehr9. Kapitel: Grafische Darstellung quantitativer Informationen
9. Kapitel: Grafische Darstellung quantitativer Informationen 9.1: Fallstricke bei der Übersetzung von Zahlen in Bilder a) optische Täuschungen b) absichtliche Manipulationen 9.2: Typologie von Datengrafiken
MehrDeskriptive 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,
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
Mehr4. 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:
MehrKapitel 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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 1 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrErwartungswert einer Zufallsvariablen / mean value of a random variable
Erwartungswert / mean value / moyen E[X] Aademische isziplin der Statisti/academic field of statistics/ la discipline statistique/estadística/disciplina academica della statistica Erwartungswert einer
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrLeseprobe. Michael Sachs. Wahrscheinlichkeitsrechnung und Statistik. für Ingenieurstudenten an Fachhochschulen. ISBN (Buch):
Leseprobe Michael Sachs Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen ISBN (Buch): 978-3-446-43797-5 ISBN (E-Book): 978-3-446-43732-6 Weitere Informationen oder Bestellungen
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
Mehr2 Häufigkeitsverteilungen
2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation An n Einheiten ω 1,,ω n sei das Merkmal X beobachtet worden x 1 = X(ω 1 ),,x n = X(ω n ) Also
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrDeskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!)
Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!) - Arithmetisches Mittel o Das arithmetische Mittel (auch Durchschnitt) ist ein Mittelwert, der als Quotient
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrDeskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1
1 Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 1 (a) Es sollen die mathematischen Vorkenntnisse der Studenten, die die Vorlesung Statistik I für Statistiker,
MehrVerteilungsfunktionen (in Excel) (1)
Verteilungsfunktionen (in Excel) () F(x) Veranschaulichung der Sprungstellen: Erst ab x=4 ist F(x) = 0,75! Eine Minimal kleinere Zahl als 4, bspw. 3,9999999999 gehört noch zu F(x)=0,5! 0,75 0,5 0,25 0
MehrBeschreibende Statistik
Beschreibende Statistik Variablentypen Variablentypen Einteilung von Merkmalen Qualitative Merkmale (nominal und ordinal) qualitativ quantitativ Quantitative Merkmale (diskret und stetig) kategorial, artmäßig
MehrWelche der folgenden Aussagen sind richtig (jeweils 1 Punkt)?
Aufgabe 1 Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? (a) Der Median entspricht dem 50%-Quantil. (b) Für eine eingipflige und symmetrische Verteilung gilt stets, dass der Median und der
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Gliederung 1 : Einführung 2 Differenzieren 2 3 Deskriptive 4 Wahrscheinlichkeitstheorie
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrDr. 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
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrBiometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen
Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe
MehrÜbungsaufgaben, Statistik 1
Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama
MehrKapitel V - Graphische Darstellung von Häufigkeitsverteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel V - Graphische Darstellung von Häufigkeitsverteilungen Markus Höchstötter
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrHäufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrKapitel V - Graphische Darstellung von Häufigkeitsverteilungen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel V - Graphische Darstellung von Häufigkeitsverteilungen Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 2. Beschreibende Statistik (descriptive Statistics) Literatur Kapitel 2 * Storrer: Kapitel 29-31 * Stahel: Kapitel 1-3 * Statistik in Cartoons:
MehrTutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016
Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016 1. Daten erfassen 1. Aufgabe: Würfeln Sie 30-mal mit einem regelmäßigen Oktaeder und dokumentieren
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrStatistik III. Walter Zucchini Fred Böker Andreas Stadie
Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................
MehrBeispiel 6 (Einige Aufgaben zur Gleichverteilung)
Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Aufgabe (Anwendung der Chebyshev-Ungleichung) Sei X eine Zufallsvariable mit E(X) = µ und var(x) = σ a) Schätzen Sie die Wahrscheinlichkeit dafür, daß
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrKapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen
Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen 5.1 Darstellung der Verteilung zweidimensionaler Merkmale 5.2 Maßzahlen für den Zusammenhang zweier nominaler Merkmale 5.3 Maßzahlen
MehrKapitel 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
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Ruediger.Braun@uni-duesseldorf.de Heinrich-Heine Universität Düsseldorf Mathematik für Biologen p. 1 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrAngewandte Statistik mit R. Eine Einführung für Ökonomen und
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 3. Auflage Springer Gabler Inhaltsverzeichnis Vorwort zur dritten Auflage Vorwort zur ersten Auflage Vorwort
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrWirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrKai Schaal. Universität zu Köln
Deskriptive Statistik und Wirtschaftsstatistik Tutorium zur Anwendung von Statistik 1 in Excel Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrDefinition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion
Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere
MehrExponentialverteilung
Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrDidaktik der Stochastik (Leitidee: Daten und Zufall)
Didaktik der Geometrie und Stochastik WS 09 / 10 15. 1. 2010 Didaktik der Stochastik (Leitidee: Daten und Zufall) 7. Beschreibende Statistik 7.1 Zum Begriff Stochastik : Seit den Fünfziger Jahren werden
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrInhaltsverzeichnis. Vorwort. Abbildungsverzeichnis. Tabellenverzeichnis. 1 Einleitung Gegenstand Aufbau 4
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Tabellenverzeichnis v xv xvii 1 Einleitung 1 1.1 Gegenstand 1 1.2 Aufbau 4 2 Datenerhebung - ganz praktisch 7 2.1 Einleitung 7 2.2 Erhebungsplan 7 2.2.1
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
Mehr