Teil I: Deskriptive Statistik
|
|
- Carsten Böhler
- vor 7 Jahren
- Abrufe
Transkript
1 Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten (Beobachtungsein heiten, Merkmalsträger) werden Werte eines oder mehrerer Merkmale festgestellt. Merkmal (Variable) ist die zu untersuchende Größe einer Untersuchungseinheit. StatBio 24
2 Merkmalsausprägungen sind die möglichen Werte, die von einem Merkmal angenommen werden können. Tabelle 2 1 Merkmale und ihre Ausprägungen Einheit Merkmal Ausprägung Person Geschlecht weiblich, männlich Alter in Jahren 1, 2, 3,... Blutgruppe A, B, AB, 0 Bluthochdruck Werte in mmhg Bakterienkolonie Durchmesser Werte in mm Baum Baumart Eiche, Buche,... Grundgesamtheit (Kollektiv, Population): Menge aller potentiellen Untersuchungseinheiten für eine bestimmte Fragestellung. Totalerhebung: Alle Merkmalsträger einer Grundgesamtheit werden in die Untersuchung einbezogen. StatBio 25
3 Stichprobe: Endliche Teilmenge einer Grundgesamtheit. Hat diese Menge n Elemente, so spricht man von einer Stichprobe vom Umfang n (sample of size n). Daten, Beobachtungen: konkrete Werte der Merkmalsausprägungen einer Stichprobe. Beispiel: Grundgesamtheit: Alle Personen Merkmal: Plasmaalbumingehalt Stichprobe vom Umfang 5: A, B, C, D, E Daten: 3.9, 3.3, 4.6, 4.0, 3.8 Bemerkung: Die Begriffe Stichprobe und Daten werden auch häufig synonym verwendet (so auch im Folgenden). StatBio 26
4 Qualitative (artmäßig erfassbare) Merkmale haben nur endlich viele Ausprägungen, die Namen oder Kategorien sind. Beispiele: Geschlecht Blutgruppe Rhesusfaktor Quantitative (in natürlicher Weise zahlenmäßig erfassbare) Merkmale liegen vor, wenn ihre Ausprägungen eine Größe wiedergeben. Beispiele: Kinderzahl Anzahl zuckerkranker Personen Körpertemperatur Adrenalinkonzentration Körpergewicht Körpergröße StatBio 27
5 Eine andere Unterscheidung ist in diskrete und stetige Merkmale. Diskretes Merkmal (discrete variable): Ein solches Merkmal kann nur endlich viele oder höchstens abzählbar unendlich viele Ausprägungen annehmen (häufig ganzzahlig, also 0, 1, 2,...). Alle qualitativen Merkmale sind trivialerweise diskret. Quantitative Merkmale sind dann diskret, wenn ihre Merkmalsausprägungen durch einen Zählvorgang ermittelt werden (sogenannte Zähldaten). Beispiele für Zähldaten: Anzahl herzkranker Personen Anzahl der Blutspender Anzahl der Pulsschläge Anzahl der Bäume in einer Region StatBio 28
6 Stetiges Merkmal (continuous variable): Die Ausprägungen können (wenigstens dem Prinzip nach) beliebige Werte aus einem Intervall annehmen, alle Werte aus einem Intervall sind also denkbar. Die Ausprägungen werden in der Regel durch einen Messvorgang ermittelt, sogenannte Messdaten. Beispiele für Messdaten: Blutdruck Körpertemperatur Adrenalinkonzentration Laktatkonzentration Zusammenfassung: Merkmal diskret stetig qualitativ ja nein quantitativ ja ja (Zähldaten) (Messdaten) StatBio 29
7 Bemerkung: Stetige Merkmale können nur diskret beobachtet werden (Messgenauigkeit), Angaben z. B. auf zwei Dezimalstellen hinter dem Komma genau (Rundungen). In der Praxis ist die Unterscheidung diskret/stetig vielfach willkürlich. 2.2 Skalenniveau von Merkmalen Für statistische Analysen ist die Einteilung in qualitative und quantitative Merkmale zu grob. Von entscheidender Bedeutung für die Interpretation von Daten und Eignung statistischer Verfahren ist es, wie bzw. nach welchen Kriterien die Merkmalsausprägungen gemessen und geordnet werden können. StatBio 30
8 Grundsätzlich erfolgt die Messung der Merkmalswerte mit Hilfe einer Skala (Messvorschrift). Skala: Anordnung von Zahlen, denen die Merkmalsausprägungen eindeutig zugordnet werden. Skalenwerte: Zahlenwerte, die auf einer Skala Berücksichtigung finden. Man spricht in diesem Zusammenhang auch von Skalierung. Das Skalenniveau gibt an 1. welche Vergleichsaussagen und welche rechnerischen Operationen für die Skalenwerte sinnvoll und somit zulässig sind 2. welche Transformationen von Skalenwerten die Messung erhalten (sogenannte zulässige Transformationen). StatBio 31
9 Die verschiedenen Skalenniveaus (Übersicht): Qualitative Merkmale Quantitative Merkmale Nominalskala Ordinalskala Metrische Skala Intervallskala Verhältnisskala StatBio 32
10 Nominalskala (Skala mit dem niedrigsten Niveau) Charakteristika: keine natürliche Rangordnung der Skalenwerte Zuordnung von Zahlen ist lediglich eine Kodierung der Merkmalsausprägungen Anordnung hat keine inhaltliche Bedeutung Vergleichsaussagen: gleich (=), ungleich ( ) Rechnerische Operationen: Häufigkeiten Zulässige Transformationen: bijektive (eineindeutige) Abbildungen (siehe Aufgabe 3, Blatt 1) StatBio 33
11 Tabelle 2 2 Nominale Merkmale und Kodierungen Merkmal Merkmalsausprägungen Kodierung Baumart Eiche 1 Buche 2 Birke 3 Linde 4 sonstige 5 Geschlecht männlich 0 weiblich 1 Blutgruppe 0 0 A 1 B 2 AB 3 Spezialfall nominalskalierter Merkmale sind binäre Merkmale (dichotome Merkmale): Merkmale mit nur zwei Ausprägungen (häufig 0/1 kodiert). StatBio 34
12 Ordinalskala (Rangskala) Charakteristika: Die Merkmalsausprägungen sind Kategorien, bei denen eine natürliche Rangordnung aufgrund ihrer Größe bzw. Intensität gegeben ist. Vergleichsaussagen: gleich (=), ungleich ( ) sowie kleiner (<), größer (>) Rechnerische Operationen: Häufigkeiten, Ränge Zulässige Transformationen: streng monotone (ordnungserhaltende) Abbildungen (siehe Aufgabe 3, Blatt 1) StatBio 35
13 Tabelle 2 3 Ordinale Merkmale und Kodierungen Merkmal Ausprägung Kodierung Antibiotikaresistenz sehr sensitiv 1 sensitiv 2 intermediär 3 resistent 4 sehr resistent 5 Schmerzen wenig mittel stark Bei nominal und ordinalskalierten Merkmalen haben Abstände (Differenzen) und Verhältnisse (Quotienten) von Skalenwerten keine inhaltliche Bedeutung, sind also nicht vergleichbar. StatBio 36
14 Bei quantitativen Merkmalen verwendet man eine metrische Skala. Hier liegt Messbarkeit im engeren Sinne vor, wobei Skalenwerte im Allgemeinen eine Dimension haben (Celsius, mg/l, mmol, sec, cm, usw.). Charakteristika: Abstände zwischen Skalenwerten sind interpretierbar Natürliche Rangordnung durch Größe der Merkmalswerte. Bei der metrischen Skala wird zwischen Intervall und Verhältnisskala unterschieden. StatBio 37
15 Intervallskala (Differenzenskala) Charakteristika: Bezugspunkt dieser Skala (Nullpunkt, Durchschnittswert) ist willkürlich festgelegt. Konsequenz: Vergleich von Differenzen ist sinnvoll, nicht aber von Quotienten. Vergleichsaussagen: gleich (=), ungleich ( ) sowie kleiner (<), größer (>) Rechnerische Operationen: Häufigkeiten, Ränge, Subtraktionen Zulässige Transformationen: lineare Abbildungen (siehe Aufgabe 3, Blatt 1) Beispiele intervallskalierter Merkmale: Temperatur in Celsius (Gefrierpunkt Wasser ˆ= 0 C) bzw. in Fahrenheit (Körpertemperatur Mensch ˆ= 100 F) (Vgl. Aufgabe 4, Blatt 1) StatBio 38
16 Intelligenzquotient nach Wechsler (Durchschnittswert = 100) Verhältnisskala (Ratioskala) Charakteristika: Natürlicher (absoluter) Nullpunkt ist gegeben, Vergleich von Verhältnissen (Quotienten) ist daher sinnvoll. Gleiche Quotienten drücken einen gleich großen Unterschied aus. Vergleichsaussagen: gleich (=), ungleich ( ) sowie kleiner (<), größer (>) Rechnerische Operationen: Häufigkeiten, Ränge, Subtraktionen, Divisionen Zulässige Transformationen: lineare homogene Abbildungen (siehe Aufgabe 3, Blatt 1) StatBio 39
17 Beispiele verhältnisskalierter Merkmale: Alter in Jahren Länge Gewicht Temperatur in Kelvin (0 Kelvin ˆ= Celsius). Die verschiedenen Skalenniveaus stellen eine Hierachie dar: Tabelle 2 4 Sinnvoll interpretierbare Berechnungen Skala zählen ordnen subtrahieren dividieren Nominal ja nein nein nein Ordinal ja ja nein nein Intervall ja ja ja nein Verhältnis ja ja ja ja StatBio 40
18 Bemerkung: Statistische Methoden, die für ein niedriges Skalenniveau geeignet sind, können auch für ein höheres Skalenniveau verwendet werden (zählen und ordnen ist stets für metrische Merkmale durchführbar). Die Umkehrung gilt nicht! Für metrische Merkmale kann etwa der Durchschnittswert (arithmetisches Mittel) berechnet werden, was für ordinal und nominalskalierte Merkmale im Allgemeinen völlig sinnlos ist. StatBio 41
19 Skalentransformationen Für die statistische Analyse kann es sinnvoll sein, metrische Daten so zu transformieren, dass ihre Ausprägungen ordinalskaliert sind, auch wenn solche Transformationen immer mit einem gewissen Informationsverlust verbunden sind (denn aus der Kenntnis der transformierten Werte können die ursprünglichen Werte nicht mehr zurückgewonnen werden). Die wichtigsten Transformationen sind der Übergang zu Kategorien, Klassen (Klassenbildung,,von... bis,,,klassierung der Daten ) Rängen (Daten werden der Größe nach geordnet, der kleinste Wert erhält Rang 1, der zweitkleinste Wert Rang 2, usw.) StatBio 42
20 Beispiel 2.1: Von 20 Blutproben wurde der Plasmaalbumingehalt (in g/dl) bestimmt, wobei sich folgende Werte ergaben: 3.9, 3.3, 4.6, 4.0, 3.8, 3.8, 3.6, , 3.9, 4.1, 3.7, 3.6, , 4.0, Die Merkmalsausprägung Plasmaalbumingehalt wird auf der Verhältnisskala gemessen. Ordnet man die Werte in aufsteigender Reihenfolge, so lassen sich die Rangpositionen zuordnen. Des Weiteren wird die Kategorie 1,,Plasmaalbumingehalt 4.0 und die Kategorie 2,,Plasmaalbumingehalt > 4.0 betrachtet. StatBio 43
21 Tabelle 2 5 Skalen Transformation der Plasma Daten Patient Wert geordnete Rang Kategorie Nr. Werte StatBio 44
22 Durchschnittsrang Der Beobachtungswert 3.6 kommt zweimal vor. Es sind die Ränge 2 und 3 zu vergeben. Bilden des Durchschnittsrangs: Rang(3.6) = = 2.5 Der Beobachtungswert 3.8 kommt dreimal vor. Es sind die Ränge 5, 6 und 7 zu vergeben: Bilden des Durchschnittsrangs: Rang(3.8) = = 6 etc. StatBio 45
23 2.3 Geordnete Stichproben und Ränge Gegeben seien Daten x 1, x 2,..., x n Bezeichne x (1) die kleinste der n Zahlen x 1,..., x n x (2) die zweitkleinste der n Zahlen x 1,..., x n. x (n) die größte der n Zahlen x 1,..., x n x (k) heißt k te Ordnungsgröße. Per Definition gilt stets x (1) x (2)... x (n) x (1),..., x (n) heißt geordnete Stichprobe. StatBio 46
24 Tabelle 2 6 Geordnete Plasma Daten i x i x (i) i x i x (i) Der Rang einer Zahl x i innerhalb einer Stichprobe gibt an, die wie vielt kleinste Zahl sie ist. Um den Rang einer Beobachtung zu bestimmen ist es sinnvoll, die Daten der Größe nach zu ordnen. Formaler versteht man unter einem Rang folgendes: StatBio 47
25 1. Fall: Der Beobachtungswert x i kommt in der Stichprobe nur einmal vor. Dann ist der Rang von x i gleich 1 plus Anzahl der Beobachtungen die kleiner als x i sind: Rang(x i ) = 1 + Anzahl der x j mit x j < x i 2. Fall: Der Beobachtungswert x i kommt in der Stichprobe k mal vor, k 2 (man spricht von einer Bindung der Länge k). Dann hat man für diese k gleichen Beobachtungswerte die Ränge zu vergeben, wobei r i, r i + 1,..., r i + (k 1) r i = 1 + Anzahl der x j mit x j < x i Käme der Beobachtungswert x i nur einmal vor, so wäre die Zahl r i der Rang von x i. StatBio 48
26 Diese k gleichen Beobachtungswerte bekommen alle den gleichen Rang, den Durchschnittsrang. Dieser ist definiert als das arithmetische Mittel der zu vergebenden Ränge: Rang(x i ) = r i + (r i + 1) [r i + (k 1)] k (2.1) Formel (2.1) lässt sich vereinfachen (Aufgabe 6, Blatt 1). Beachte: Die Rang Transformation x i Rang(x i ) einer Beobachtung x i ist immer nur in Bezug auf die Daten x 1,..., x n festgelegt! (Vgl. Aufgabe 7, Blatt 1) StatBio 49
Teil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
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
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrStatistische 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.
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 16.04.2013 Gegenstand der Vorlesung und Grundbegriffe der
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
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
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
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,
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
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.
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrGegeben: Eine Menge von Objekten mit Merkmalen (beobachtet oder gemessen) Die gegebene Menge heißt auch Grundgesamtheit.
Kapitel 1 Beschreibende Statistik Gegeben: Eine Menge von Objekten mit Merkmalen (beobachtet oder gemessen) Gesucht: Übersichtliche Beschreibung Die gegebene Menge heißt auch Grundgesamtheit. Beispiele
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrStatistik. 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
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
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
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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 =
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
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrMüssen Texte statistisch anders ausgewertet werden als Menschen?
CROCO LINGUISTIC PROPERTIES OF TRANSLATIONS A CORPUS-BASED INVESTIGATION FOR THE LANGUAGE PAIR ENGLISH-GERMAN Müssen Texte statistisch anders ausgewertet werden als Menschen? Stella Neumann Grundüberlegung
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
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
MehrIch wollte einige Dinge klären, die mir noch unklar sind:
Ich wollte einige Dinge klären, die mir noch unklar sind:. Unterschied Transformation/Kodierung: Kann man sagen, dass Transformation die Verwandlung von Merkmalen ist während die Kodierung die Verschlüsselung
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrDie Statistik besitzt drei Grundaufgaben im Rahmen der Datenanalyse. Jeder entspricht ein Teilgebiet.
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 1 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 1 Die Statistik besitzt drei Grundaufgaben im Rahmen der
MehrLeidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I. Messtheoretische Vorüberlegungen
Leidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I Messtheoretische Vorüberlegungen Am Anfang jeder statistischen Auswertung steht das 'Messen' bestimmter Phänomene bzw. Merkmale.
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
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
MehrN 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.
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
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
MehrKapitel 1: Gegenstand und Grundbegriffe der Statistik
Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik... 1 2. Einheiten, Masse, Merkmal... 3 3. Messen, Skalen... 9 a) Messung... 9 b) Skalenarten... 11 1. Gegenstand der Statistik
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrAuswertung statistischer Daten 1
Auswertung statistischer Daten 1 Dr. Elke Warmuth Sommersemester 2018 1 / 26 Statistik Untersuchungseinheiten u. Merkmale Grundgesamtheit u. Stichprobe Datenaufbereitung Urliste, Strichliste, Häufigkeitstabelle,
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
MehrDeskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten
Deskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Einleitung 2. Lorenzkurve
MehrStatistik. Herzlich willkommen zur Vorlesung. Grundlagen Häufigkeiten Lagemaße Streuung Inferenzstatistik Kreuztabellen Gruppenunterschiede
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik FB 1 W. Ludwig-Mayerhofer Statistik 2 Vorlesung Statistik für wen? BA Social Science/BA Sozialwissenschaften (Pflicht)
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
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.
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrStatistik 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
MehrGrundbegriffe. Worum geht es in diesem Modul?
Grundbegriffe Worum geht es in diesem Modul? Einführung Merkmale Merkmalstyp Skalenniveaus Skalentransformation Erhebung Erhebungsarten Datenmatrix Exkurs, Indexnotation Resümee Worum geht es in diesem
Mehr2. Vorlesung. Die Theorie der schwarz-weissen Ketten.
2. Vorlesung. Die Theorie der schwarz-weissen Ketten. Die Theorie der schwarzen Steinchen haben wir jetzt halbwegs vertanden. Statt mit schwarzen Steinen wie die Griechen, wollen wir jetzt mit schwarzen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
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
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
Mehr6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig und mindestens ordinalskaliert, typischerweise
Mehr1.5 Berechnung von Rangzahlen
1.5 Berechnung von Rangzahlen Bei vielen nichtparametrischen Verfahren spielen die so genannten Rangzahlen eine wesentliche Rolle, denn über diese werden hier die Prüfgrößen berechnet. Dies steht im Gegensatz
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
MehrVorwort Es gibt keine gute Medizin ohne Biostatistik. Ist Biostatistik unattraktiv? Wie sieht die Zukunft der Biostatistik aus? Ziel dieses Buches
Vorwort Es gibt keine gute Medizin ohne Biostatistik. Dieser Satz wird bei den meisten Medizinstudenten auf Unverständnis stoßen. Warum ist es wichtig, als Mediziner sich mit Biostatistik zu befassen?
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrStatistik Grundbegriffe
Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
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.
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
Mehr2 Merkmalsausprägungen, Skalen, Häufigkeiten, Klassierung
2 2.1 Merkmalsausprägungen und Skalen Bei statistischen Analysen wird eine bestimmte Anzahl von Elementen untersucht und mit den Methoden der Statistik quantifiziert. Je nach Untersuchung kann es sich
MehrLeidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I. Meßtheoretische Vorüberlegungen
Leidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I Meßtheoretische Vorüberlegungen Am Anfang jeder statistischen Auswertung steht das 'Messen' bestimmter Phänomene bzw. Merkmale.
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden
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
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
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
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum der Daten, Streuung der Daten um dieses Zentrum, Schiefe / Symmetrie
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrGrundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens
Grundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 AUFGABE 1. Beschreibe einen experimentellen
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
Mehr2 Grundzüge der Datenerhebung
2 Grundzüge der Datenerhebung 2.1 Merkmale, statistische Einheit, statistische Masse Vor jeder statistischen Analyse muss das Untersuchungsziel genau angegeben sein. Obwohl die Vorgabe dieses Zieles nicht
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
MehrStatistische Methoden der Qualitätssicherung
Konrad Wälder Olga Wälder Statistische Methoden der Qualitätssicherung Praktische Anwendung mit MINITAB und JMP Inhalt Vorwort... Inhalt... VII IX 1 Einleitung... 1 1.1 Der Qualitätsbegriff... 1 1.2 Einführung
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
MehrZwei Bedeutungen des Wortes Statistik:
1 i Statistik - Arbeitsdefinition Zwei Bedeutungen des Wortes Statistik: eine wissenschaftliche Disziplin (eng. statistics) das Ergebnis einer wissenschaftlichen Betätigung (statistic) z.b. Statistik der
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
Mehr