Formelsammlung zur Statistik I
|
|
- Oskar Hoch
- vor 7 Jahren
- Abrufe
Transkript
1 Formelsammlung zur Statistik I Prof. Dr. Rolf Hüpen Prof. Dr. Manfred Lösch Fakultät für Wirtschaftswissenschaft
2 Inhaltsverzeichnis 1 Deskriptive Statistik Datenlagen Quantile Mittelwerte Streuungsmaße Konzentrationsmaße Korrelationskoeffizienten Lineare Einfachregression Grundbegriffe der Zeitreihenanalyse Zeitliche Veränderungszahlen Wachstumsmodelle Elastizitäten Indexzahlen
3 1 Deskriptive Statistik 1.1 Datenlagen Datenlage A n beobachtete Merkmalswerte liegen als Urliste x 1,..., x n vor Datenlage B Es liegen zu m von einander verschiedenen Merkmalsausprägungen x 1,..., x m die zugehörigen absoluten Häufigkeiten h 1,..., h m (h i 0) ihres Auftretens vor. n := h h m erhoben worden ist. ist die Anzahl der Merkmalsträger, bei denen das Merkmal f i := h i n heißt relative Häufigkeit der i-ten Ausprägung x i. H i := h h i heißt kumulierte absolute Häufigkeit und F i := f f i = 1 n (h h i ) = 1 n H i heißt kumulierte relative Häufigkeit. Häufigkeitstabelle: Merkmals- Häufigkeit kumulierte Häufigkeit i ausprägung absolut relativ absolut relativ 1 x 1 h 1 f 1 = h 1 /n H 1 F 1 2 x 2 h 2 f 2 = h 2 /n H 2 F m x m h m f m = h m /n H m = n F m = 1 n = m 1 = m h i f i 3
4 1 Deskriptive Statistik Empirische Verteilungsfunktion: 0, x < x 1 F (x) := F i, x i x < x i+1, i = 1,..., m 1 1, x m x Datenlage C Es liegen vor k Klassen G 1 = [a 0, a 1 ),..., G k = [a k 1, a k ) mit der Breite i := a i a i 1 > 0 für alle i = 1,..., k, sowie die absoluten Häufigkeiten h 1,..., h k in den k Klassen. n := h h k ist die Anzahl der Merkmalsträger, bei denen das Merkmal erhoben worden ist. f i := h i n relative Häufigkeit zur Klasse G i, H i := h h i kumulierte absolute Häufigkeit zur Klasse G i und F i := f f i = 1 n H i kumulierte relative Häufigkeit Häufigkeitstabelle: Klasse Grenzen Mittel- Breite Häufigkeit kumulierte punkt absolut relativ relative H.keit G 1 [a 0, a 1 ) x 1 1 = a 1 a 0 h 1 f 1 = h 1 /n F 1 G 2 [a 1, a 2 ) x 2 2 = a 2 a 1 h 2 f 2 = h 2 /n F G k [a k 1, a k ) x k k = a k a k 1 h k f k = h k /n F k = 1 n = k 1 = k h i f i Approximierende empirische Verteilungsfunktion: ˆF (x) := 0, x < a 0 F i 1 + f i (x a i 1 ) i, a i 1 x < a i, i = 1,..., k 1, a k x Histogramm: Darstellung der Häufigkeiten unter Beachtung der Flächenproportionalität der Balken. Die Höhe des Rechtecks über der Klasse G i = [a i 1, a i ) wird wie folgt bestimmt: 4
5 1.2 Quantile Höhe g i := h i i bei absoluten Häufigkeiten Höhe d i := f i i bei relativen Häufigkeiten g i heißt absolute Häufigkeitsdichte d i heißt relative Häufigkeitsdichte 1.2 Quantile Definition des p-quantils Zu 0 < p < 1 heißt x p p-quantil, falls sich unterhalb von x p höchstens 100 p % und oberhalb von x p höchstens 100 (1 p) % der Beobachtungswerte befinden Quantil := Q 1 := unteres Quartil 0.50-Quantil := Q 2 := mittleres Quartil oder Median 0.75-Quantil := Q 3 := oberes Quartil Datenlage A: x p = { x([np+1]), np nicht ganzzahlig 1 (x 2 ([np]) + x ([np+1]) ), np ganzzahlig, wobei [α] := größte ganze Zahl, die kleiner oder gleich α ist und x (i) den i-ten Beobachtungswert in der geordneten Urliste x (1) x (2)... x (n) bezeichnet Datenlage B: wobei F 0 := 0 gesetzt wird. { xi, falls F i 1 < p < F i x p = 1 (x, 2 i + x i+1 ), falls p = F i 5
6 1 Deskriptive Statistik Datenlage C: x p wird angenähert als Lösung der Gleichung ˆF ( x p ) = p mit der approximierenden empirischen Verteilungsfunktion ˆF berechnet. Man bestimme zunächst die Klasse G i = [a i 1, a i ) mit F i 1 < p F i, (F 0 := 0), und setze dann x p a i 1 + p F i 1 F i F i 1 (a i a i 1 ). Liegen absolute Häufigkeiten vor, bestimme man die Klasse G i H i 1 < n p H i, (H 0 := 0), und setze dann = [a i 1, a i ) mit x p a i 1 + n p H i 1 H i H i 1 (a i a i 1 ). 1.3 Mittelwerte Datenlage A: Modus := häufigster Beobachtungswert Median := mittleres Quartil = 0.50-Quantil arithmetisches Mittel (AM): AM := 1 x i n harmonisches Mittel (HM): HM := n 1 x i geometrisches Mittel (GM): GM := n n x i 6
7 1.3 Mittelwerte Datenlage B: Modus := Merkmalsausprägung mit der größten absoluten oder relativen Häufigkeit Median := x i, falls F i 1 < 0.5 < F i 1 2 (x i + x i+1 ), falls 0.5 = F i Gewichtetes arithmetisches Mittel (GAM): GAM := 1 m m m h i x i = f i x i h i Gewichtetes harmonisches Mittel (GHM): GHM := m h i ( ) = m hi 1 ( ) m fi x i x i Gewichtetes geometrisches Mittel (GGM): ( m ) m 1/ h i GGM := x h i i = n m x h i i Datenlage C: Modus (Verfahren 1): Quadratische Interpolation in der modalen (häufigsten) Gruppe. Man bestimmt die modale Klasse G i, d.h. die Klasse G i = [a i 1, a i ) mit der größten Häufigkeitsdichte g i := h i /(a i a i 1 ) und legt ein quadratisches Polynom f(x) = ax 2 + bx + c durch die Punkte mit den Koordinaten (x i 1 ; g i 1 ), (x i ; g i ), (x i+1 ; g i+1 ), wobei x i 1, x i, x i+1 die Mittelpunkte der Klassen G i 1, G i, G i+1 bezeichnen. Die Stelle x 0, für die f(x) das Maximum annimmt, wird als Modus gewählt. 7
8 1 Deskriptive Statistik Modus (Verfahren 2): Näherungslösung für Verfahren 1 Man bestimmt wie beim Verfahren 1 die modale Klasse G i und berechnet Modus = a i(h i h i 1 ) + a i 1 (h i h i+1 ) (h i h i 1 ) + (h i h i+1 ) Bei unterschiedlichen Klassenbreiten sind in der obigen Formel die absoluten Häufigkeitsdichten g i anstelle von h i zu verwenden. Median: Man bestimme die Klasse G i = [a i 1, a i ) mit F i 1 < 0.5 F i. In diese Klasse G i fällt der Median. Eine Feinberechnung x des Medians läßt sich unter der Annahme der Gleichverteilung in den Klassen wie folgt durchführen: x = a i F i 1 F i F i 1 (a i a i 1 ) = a i 1 + (0.5 F i 1 ) i f i Liegen absolute Häufigkeiten vor, bestimmt man die Klasse G i H i 1 < n H 2 i und approximiert den Median mit = [a i 1, a i ) mit x = a i n H i 1 H i H i 1 (a i a i 1 ) = a i 1 + (0.5 n H i 1 ) i h i. Arithmetisches, harmonisches und geometrisches Mittel werden wie bei der Datenlage B in Form der gewichteten Mittel GAM, GHM und GGM mit Hilfe der Klassenmitten berechnet Allgemeine Aussagen für Mittelwerte x i = c für alle i = 1,..., n Modus = Median = AM = HM = GM HM < GM < AM, falls x i nicht konstant Lageregel von Fechner: Modus Median AM Modus Median AM Modus = Median = AM bei einer linkssteilen Verteilung bei einer rechtssteilen Verteilung bei einer symmetrischen Verteilung 8
9 1.4 Streuungsmaße 1.4 Streuungsmaße Normierte Entropie (E Norm ) für Datenlage B: E Norm = { 1 log(n) 1 log(m) n } m [ h i log(h i ) ] = ( ) m 1 f i log f i log(m) mit h i log h i = f i log( 1 f i ) := 0 für h i = f i = 0 Spannweite R:= Max - Min Quartilsabstand := Q 3 Q 1 Mittlere Spannweite (MSP): MSP := ( Q 2 Min 100 ; Max Q ) Q 2 Q 2 Mittlerer Quartilsabstand (MQA): MQA := ( Q 2 Q ; Q ) 3 Q Q 2 Q 2 Mittlere quadratische Abweichung (s 2 ): Datenlage A: Datenlage B: Datenlage C: s 2 := 1 n s 2 := 1 n s 2 := 1 n (x i AM) 2 m h i (x i GAM) 2 k h i (x i GAM) 2 Standardabweichung (s): Variationskoeffizient (V): V := s AM s := + s (in %) 9
10 1 Deskriptive Statistik 1.5 Konzentrationsmaße Lorenzkurve Datenlage A Gegeben: geordnete Urliste der n Beobachtungswerte: x (1) x (2)... x (n) Merkmalssumme: S = n x (i) Kumulierte relative Häufigkeit: F i = i n Kumulierter Anteil an der Merkmalssumme: G i = i x (j) j=1 S Dann entsteht die Lorenzkurve in einem F-G-Koordinatensystem als Streckenzug, der die Punkte (0, 0), (F 1, G 1 ), (F 2, G 2 ),..., (F n 1, G n 1 ), (1, 1) miteinander verbindet Datenlage B Gegeben: m voneinander verschiedene mögliche Merkmalsausprägungen x 1 < x 2 <... < x m mit den absoluten Häufigkeiten h 1, h 2,..., h m. Anzahl der Merkmalsträger: n = m h i mit m n Kumulierte relative Häufigkeiten: F i = i h j j=1 n Merkmalssumme: S = m (h i x i ) Kumulierter Anteil an der Merkmalssumme: G i = i (h j x j ) j=1 S Dann entsteht die Lorenzkurve in einem F-G-Koordinatensystem als Streckenzug, der die Punkte (0, 0), (F 1, G 1 ), (F 2, G 2 ),..., (F m 1, G m 1 ), (1, 1) miteinander verbindet. 10
11 1.5 Konzentrationsmaße Datenlage C Die Merkmalsausprägungen sind in k Klassen i = 1, 2,..., k eingeteilt. Grenzen der Klasse i: [ a i 1, a i ) Mittelpunkt der Klasse i: x i = a i 1 + a i 2 Anzahl der Merkmalsträger in Klasse i: h i Gesamtzahl der Merkmalsträger: n = k h i mit k < n Kumulierte relative Häufigkeiten: F i = Näherungswert für die Merkmalssumme: i h j j=1 n Ŝ = k (h i x i ) Näherungswert für den kumulierten Anteil an der Merkmalssumme: Ĝ i = i (h j x j ) j=1 Ŝ Dann entsteht die Lorenzkurve in einem F-G-Koordinatensystem als Streckenzug, der die Punkte (0, 0), (F 1, Ĝ1), (F 2, Ĝ2),..., (F k 1, Ĝk 1), (1, 1) miteinander verbindet Gini-Koeffizient Berechnung der Fläche L unter der Lorenzkurve: Datenlage A: L = 1 2n (G i 1 + G i ), wobei G 0 = 0 gesetzt wird. Datenlage B: L = 1 m (G 2n i 1 + G i ) h i, wobei G 0 = 0 gesetzt wird. Datenlage C: L = 1 2n k (Ĝi 1 + Ĝi) h i, wobei Ĝ 0 = 0 gesetzt wird. Daraus erhält man den Gini-Koeffizienten: C G = 1 2 L 11
12 1 Deskriptive Statistik 1.6 Korrelationskoeffizienten Es liegen n Beobachtungen (x i, y i ), i = 1,..., n, vor Korrelationskoeffizient von Fechner wobei r F = Ü N Ü + N Ü : Anzahl der in den Vorzeichen übereinstimmenden Paare (x i x, y i ȳ) N : Anzahl der in den Vorzeichen nicht übereinstimmenden Paare (x i x, y i ȳ) Korrelationskoeffizient von Bravais-Pearson r = = (x i x)(y i ȳ) (x i x) 2 n (y i ȳ) 2 [n n n n x i y i n x i y i x 2 i ( n x i ) 2 ] [n n yi 2 ( n y i ) 2 ] Korrelationskoeffizient von Spearman (Rangkorrelationskoeffizient) mit r Sp = 1 6 n d 2 i n(n 2 1) d i := Differenz der Rangzahlen der Beobachtungen x i und y i 12
13 1.7 Lineare Einfachregression 1.7 Lineare Einfachregression Bei Vorliegen der Werte (x i, y i ), i = 1,..., n, mit x i c für alle i = 1,..., n lauten die Regressionskoeffizienten a und b für die Regressionsgleichung y i = a + bx i : b = (x i x)(y i ȳ) = (x i x) 2 n n x i y i n x i n n x 2 i ( n x i ) 2 y i und a = ȳ b x. mit x := 1 x n i und ȳ := 1 y n i. Der Quotient heißt Determinationskoeffizient. d := (yi ȳ) 2 (y i ȳ) 2 Es gilt: d = r 2 r = b sx s y, wobei s x := 1 n (x i x) 2 und s y = 1 n (y i ȳ) 2 13
14 1 Deskriptive Statistik 1.8 Grundbegriffe der Zeitreihenanalyse Es liegen n Zeitreihenwerte x 1,..., x n vor. Für die den Zeitindizes t zugeordneten Beobachtungswerte x t soll gelten x t = T t + Z t + S t + R t (additive Verknüpfung) wobei T t : Trendkomponente (beschreibt die monotone langfristige Entwicklung) Z t : zyklische Komponente (beschreibt den Konjunkturverlauf) G t = T t + Z t : glatte Komponente (Zusammenfassung von Trend und zyklischer Komponente) S t : Saisonkomponente (beschreibt die saisonale Abweichung von Trendkomponente und zyklischer Komponente) R t : irreguläre Komponente (Restkomponente; beschreibt den Teil der Beobachtungen, den T t, Z t und S t nicht beschreiben) Trendbestimmung mit der Methode der kleinsten Quadrate Nach der Methode der kleinsten Quadrate ergibt sich für die Trendkomponente die Schätzung = a + b t mit T t b = n n tx t n t n x t t=1 t=1 t=1 n n t 2 ( n und a = 1 t) 2 n t=1 t=1 t=1 x t b 1 n t t=1 t = 1 n t=1 2 n(n + 1) und t 2 = 1 n(n + 1)(2n + 1) t=1 6 14
15 1.8 Grundbegriffe der Zeitreihenanalyse Trendbestimmung mit der Methode der Reihenhälften Fall 1: Die Anzahl der vorhandenen Zeitreihenwerte ist gerade n = 2n. Reihenhälften x 1,..., x n und x n +1,..., x n x (1) = n 1 n t=1 T t = a + b t mit x t und x (2) = 1 n x t t=n +1 b = x (2) x (1) n und a = x (1) b n Fall 2: Die Anzahl der vorhandenen Zeitreihenwerte ist ungerade n = 2n + 1. Mittleren Wert x n +1 weglassen. Weiteres Vorgehen analog zu Fall Reihenglättung mit Hilfe gleitender Durchschnitte Für die Berechnung der gleitenden Durchschnitte werden die Beobachtungen des Stützbereichs [t m; t + m] herangezogen. 1. Anzahl der herangezogenen Beobachtungen: 2m + 1 x t = 1 2m + 1 t+m x i i=t m 2. Anzahl der herangezogenen Beobachtungen: 5 x t = 1 4 ( 1 2 x t 2 + x t 1 + x t + x t x t+2 ) 3. Anzahl der herangezogenen Beobachtungen: 13 x t = 1 12 ( 1 2 x t 6 + x t x t x t x t+6 ) 15
16 1 Deskriptive Statistik 1.9 Zeitliche Veränderungszahlen Gegeben sind Zeitreihenwerte x 0, x 1,..., x n, die in zeitlich gleichen Abständen erhoben worden sind Messzahlen m b,t := x t x b = Messzahlen genügen folgenden Bedingungen: Identitätsprobe : m t,t = 1 Zeitumkehrprobe : m b,t m t,b = 1 Rundprobe : m 1,2 m 2,3 m t 1,t = m 1,t Proportionalitätsprobe : r m b,t = r x t x b Wert im Berichtsjahr t Wert im Basisjahr b Sind m x b,t, m y b,t und mz b,t Messzahlen zu den Zeitreihenwerten x i, y i, z i, i = 0,..., n, dann genügen die obigen Messzahlen der Faktorumkehrprobe, falls m x b,t m y b,t = mz b,t. Umbasierung von Messzahlen Messzahl m b,t wird auf eine neue Basis s umgestellt: Verkettung von Messzahlen m s,t = m b,t m b,s Zwei Reihen von Messzahlen zur Basis b und zur Basis s werden zu einer langen Reihe zur Basis b zusammengefügt: m b,t = m b,s m s,t 16
17 1.9 Zeitliche Veränderungszahlen Erste Differenzen x t = x t x t 1 x t = x t 1 + x t n x t = x n x 0 t=1 Genügen die x t -Werte dem linearen Wachstumsmodell x t = a + b x t 1, dann gilt b = x t Gliedzahlen (Wachstumsfaktoren) q t := m t 1,t := x t x t 1 x t = q t x t 1 n q t = m 0,n = x n x t= Wachstumsraten in diskreter Zeit p t := x t x t 1 x t 1 q t = p t = q t 1 x t x t 1 = 1 + p t x t = q t x t 1 = x t 1 + p t x t 1 n Für q := n q t gilt: x n = q n x 0 t=1 p := q 1 ist die mittlere Wachstumsrate der n Wachstumsraten p 1,..., p n. Genügen die x t -Werte dem exponentiellen Wachstumsmodell in diskreter Zeit x t = a q t, t = 0,..., n, dann gilt: q t = q und p t = p = q 1 für alle t = 1,..., n. 17
18 1 Deskriptive Statistik Wachstumsraten in stetiger Zeit b t := ln ( ) xt x t 1 x t = e bt x t 1 b = 1 b n t ist die mittlere Wachstumsrate der n stetigen Wachstumsraten t=1 b 1,..., b n. Für b gilt: x n = e b n x 0 Genügen die x t -Werte dem exponentiellen Wachstumsmodell in stetiger Zeit x t = a e b t, t = 0, 1,..., n, dann gilt b t = b für alle t = 1,..., n. 18
19 1.10 Wachstumsmodelle 1.10 Wachstumsmodelle Lineares Wachstumsmodell x t = a + b t, t = 0, 1,..., n x n : Endwert, Prognosewert x 0 : Anfangswert, Startwert b = x t x t 1 = x t : Erste Differenz Konstante a = x 0 Prognosewert: x n = x 0 + b n Startwert: x 0 = x n b n Durchschnittswachstum (absolut): b = x n x 0 n Zeitraum: n = x n x 0 b für b 0 Sind zwei Werte x t1 berechnet werden: und x t2, t 1 t 2, gegeben, dann können a und b wie folgt a = t 2 x t1 t 1 x t2 t 2 t 1 und b = x t 2 x t1 t 2 t 1 Vervielfachungszeit t α (x tα = α x 0, α > 0): t α = (α 1) x 0 b für b 0 Verdoppelungszeit: t 2 = x 0 b für b 0 Schnittpunkt S = (t S ; x S ) zweier linearer Wachstumsfunktionen a 1 + b 1 t und a 2 + b 2 t, b 1 b 2 : t S = a 2 a 1 b 1 b 2 und x S = a 1 + b 1 t S = a 2 + b 2 t S 19
20 1 Deskriptive Statistik Exponentielles Wachstumsmodell in diskreter Zeit x t = a q t, t = 0, 1,..., n Wachstumsrate:= x t x t 1 x t 1 =: p für alle t 1 Wachstumsfaktor x t x t 1 =: q für alle t 1 Konstante a = x 0 Es gilt q = 1 + p und p = q 1 Prognosewert: x n = x 0 q n Barwert: x 0 = x n q n Durchschnittlicher Wachstumsfaktor q: q = n x n x 0 Durchschnittswachstum p = n x n x 0 1 Zeitraum: n = ln x n ln x 0 ln q für q 1 Sind zwei Werte x t1 berechnet werden: und x t2, t 1 t 2, gegeben, dann können a und q wie folgt a = x t1 ( xt1 x t2 ) t 1 t 2 t 1 und q = ( xt2 x t1 ) 1 t 2 t 1 Vervielfachungszeit t α (x tα = α x 0, α > 0): t α = ln α ln q für q 1 Schnittpunkt S = (t S ; x S ) zweier Wachstumsfunktionen a 1 q t 1 und a 2 q t 2, q 1 q 2 : t S = ln(a 2/a 1 ) ln(q 1 /q 2 ) und x S = a 1 q t S 1 = a 2 q t S 2 20
21 1.10 Wachstumsmodelle Exponentielles Wachstumsmodell in stetiger Zeit x t = a e b t, t = 0, 1,..., n Wachstumsrate:=ln ( x t x t 1 ) = b für alle t 1 Wachstumsfaktor Konstante a = x 0 x t x t 1 = e b für alle t 1 Prognosewert: x n = x 0 e b n Startwert: x 0 = x n e b n Durchschnittswachstum b = ln x n ln x 0 n Zeitraum: n = ln x n ln x 0 b für b 0 Sind zwei Werte x t1 und x t2, t 1 t 2, gegeben, dann können a und b wie folgt berechnet werden: t 2 ln x t1 t 1 ln x t2 a = e t 2 t 1 und b = ln x t 2 ln x t1 t 2 t 1 Vervielfachungszeit t α (x tα = α x 0, α > 0): t α = ln α b für b 0 Schnittpunkt S = (t S ; x S ) zweier Wachstumsfunktionen a 1 e b 1 t und a 2 e b 2 t, b 1 b 2 : t S = ln a 2 ln a 1 b 1 b 2 und x S = a 1 e b 1 t S = a 2 e b 2 t S Falls x t = a e b t = a qt, dann und ln ( xt x t 1 ) = b = ln q und q = e b x t x t 1 x t 1 = p = q 1 = e b 1 21
22 1 Deskriptive Statistik 1.11 Elastizitäten Elastizität := Wachstumsrate Teilgröße T Wachstumsrate Gesamtgröße G Vorjahresvergleich unstetiges Wachstum stetiges Wachstum (T t T t 1 )/T t 1 ln(t t /T t 1 ) (G t G t 1 )/G t 1 ln(g t /G t 1 ) Basisjahrvergleich unstetiges Wachstum stetiges Wachstum (T t T 0 )/T 0 ln(t t /T 0 ) (G t G 0 )/G 0 ln(g t /G 0 ) im Jahresdurchschnitt unstetiges Wachstum (T n /T 0 ) 1/n 1 (G n /G 0 ) 1/n 1 stetiges Wachstum ln(t n /T 0 ) ln(g n /G 0 ) 22
23 1.12 Indexzahlen 1.12 Indexzahlen Notation t : Berichtsjahr 0 : Basisjahr n : Anzahl Güter p i (t) : Preis des Gutes i zum Zeitpunkt t q i (t) : umgesetzte Menge des Gutes i zum Zeitpunkt t Preisindex von Laspeyres P L(0, t): Drei Darstellungsmöglichkeiten: 1. Mit Hilfe der allgemeinen Gewichte w i := p i (0) q i (0): P L(0, t) = 1 w i w i pi(t) p i (0) 2. Mit Hilfe der normierten Gewichte g i := w i / n w j : 3. Aggregatform (Summenform): P L(0, t) = j=1 g i pi(t) p i (0) P L(0, t) = p i (t) q i (0) p i (0) q i (0) Interpretation des Preisindexes von Laspeyres: Preisänderungsrate vom Basisjahr 0 zum Berichtsjahr t in Prozent: (P L(0, t) 1)
24 1 Deskriptive Statistik Inflationsrate in % im Vorjahresvergleich: P L(0, t) P L(0, t 1) P L(0, t 1) 100 Jahresdurchschnittliche Inflationsrate in % im Zeitraum t 1 bis t 2 (t 1 < t 2 ): [ P L(0, t2 ) P L(0, t 1 ) Kaufkraft, Binnenwert des Geldes: ] 1 t 2 t 1 1 P L(0, t) Kaufkraftänderungsrate in % im Vorjahresvergleich: P L(0, t 1) P L(0, t) P L(0, t) 100 Jahresdurchschnittliche Kaufkraftänderungsrate in % im Zeitraum t 1 bis t 2 (t 1 < t 2 ): [ ] 1 P L(0, t1 t ) 2 t P L(0, t 2 ) Aggregation und Zerlegung des Preisindexes von Laspeyres: n Güter, 2 Gruppen: i = 1,..., k, k + 1,..., n P L 1 (0, t) = k p i (t)q i (0) k p i (0)q i (0), P L 2 (0, t) = p i (t)q i (0) i=k+1 p i (0)q i (0) i=k+1 Normierte Gewichte der Gruppen im Basisjahr: w 1 = k p i (0)q i (0) p i (0)q i (0), w 2 = p i (0)q i (0) i=k+1 p i (0)q i (0) Dann gilt für den Gesamtindex P L(0, t): P L(0, t) = w 1 P L 1 (0, t) + w 2 P L 2 (0, t) 24
25 1.12 Indexzahlen Preisindex von Paasche P P (0, t): Fünf Darstellungsmöglichkeiten: Mit Hilfe der fiktiven Gewichte f i (t) := p i (0) q i (t): P P (0, t) = 1 f i (t) f i (t) pi(t) p i (0) Mit Hilfe der normierten fiktiven Gewichte h i (t) := f i (t)/ n f j (t): Aggregatform (Summenform): P P (0, t) = h i (t) pi(t) p i (0) j=1 P P (0, t) = p i (t) q i (t) p i (0) q i (t) Mit Hilfe der allgemeinen Gewichte w i (t) := p i (t)q i (t): P P (0, t) = w i (t) [ ] pi (0) w i (t) p i (t) Mit Hilfe der normierten allgemeinen Gewichte g i (t) := w i (t)/ n w j (t): j=1 P P (0, t) = 1 [ ] pi (0) g i (t) p i (t) 25
26 1 Deskriptive Statistik Mengen- und Wertindizes und Reaktionsindex Mengenindex nach Laspeyres M L(0, t): ML(0, t) := p i (0) q i (t) p i (0) q i (0) Mengenindex nach Paasche MP (0, t): MP (0, t) := p i (t) q i (t) p i (t) q i (0) Wertindex W (0, t): W (0, t) := p i (t) q i (t) p i (0) q i (0) Reaktionsindex R(0, t): R(0, t) := W (0, t) = W (0, t) [ [ 1 1 ] P L(0, t) P P (0, t) ] ML(0, t) MP (0, t) 26
27 1.12 Indexzahlen Allgemeine Aussagen für Indizes W (0, t) = P L(0, t) MP (0, t) = P P (0, t) ML(0, t) P L(0, t) > P P (0, t) ML(0, t) > MP (0, t) W (0, t) = ML(0, t) P L(0, t) + R(0, t) Umbasierung und Verkettung von Indizes erfolgt wie bei den Messzahlen. Werden beim Preis- bzw. Mengenindex die Mengen q i bzw. Preise p i unabhängig vom Berichts- und Basisjahr gewählt, so erhält man den Preis- bzw. Mengenindex von Lowe: P Lo(0, t) := MLo(0, t) := p i (t)q i p i (0)q i p i q i (t) p i q i (0) Die geometrischen Mittel und P F (0, t) := MF (0, t) := heißen Idealindizes von Fisher. P L(0, t) P P (0, t) ML(0, t) MP (0, t) 27
WISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrChristoph Schöffel, Deskriptive Statistik. 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1. Thema 1: Darstellungsweise von Merkmalen 1
Inhaltsübersicht 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1 Thema 1: Darstellungsweise von Merkmalen 1 1. Diskrete und (quasi-)kontinuierliche Merkmale 1 1.1 Was sind Merkmale 1 1.2 Darstellungsweise
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 02.07.2013 Theorie der Indexzahlen 1. Konstruktion von
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
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrJosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i
JosefPuhani Kleine Formelsammlung zur Statistik 10. Auflage averiag i Inhalt- Vorwort 7 Beschreibende Statistik 1. Grundlagen 9 2. Mittelwerte 10 Arithmetisches Mittel 10 Zentral wert (Mediän) 10 Häufigster
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
Mehrregistrierte Fußballvereine Männer im besten Fußballalter (20 34 Jahre) Bruttoinlandsprodukt je Einwohner Farben der Nationalflagge
Aufgabe 1: Anlässlich der Fußball-Europameisterschaft veröffentlichte das Statistische Bundesamt unter der Überschrift "EM 2012: Die Teilnehmer in Zahlen" statistische Merkmale der Teilnehmerstaaten. Die
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrBeschreibende Statistik
Beschreibende Statistik von Dr. Peter M. Schulze Professor für Statistik und Ökonometrie an der Johannes Gutenberg-Universität Mainz 6., korrigierte und aktualisierte Auflage R.Oldenbourg Verlag München
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
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
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
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
Mehr1 GRUNDLAGEN Grundbegriffe Skalen...15
Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrInhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15
Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen
MehrStatistik für Wirtschaftswissenschaftler
Ulrich Erhard Rainer Fischbach Hans Weiler Statistik für Wirtschaftswissenschaftler - anwendungsorientierte Einführung in die Betriebsstatistik - verlag moderne industrie Inhaltsverzeichnis Vorwort 1.
Mehra) Welche Erhebungsmerkmale sind in der Tabelle dargestellt und auf welchem Skalenniveau können sie gemessen werden?
Aufgabe 1: Der Internetseite des Statistischen Landesamtes NRW kann man die folgenden Angaben zu den Erwerbstätigen in NRW im Jahr 2009 entnehmen (Angaben in 1000 Personen): Land und Forstwirtschaft, Fischerei
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
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
MehrStatistik. Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp. 17., überarbeitete Auflage. Oldenbourg Verlag München.
Statistik von Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp 17., überarbeitete Auflage Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Liste wichtiger Symbole IX XI
MehrStatistik. Von Dr. Günter Bamberg. o. Professor für Statistik und Dr. habil. Franz Baur. Universität Augsburg. 12., überarbeitete Auflage
Statistik Von Dr. Günter Bamberg o. Professor für Statistik und Dr. habil. Franz Baur Universität Augsburg 12., überarbeitete Auflage R.01denbourg Verlag München Wien V INHALTSVERZEICHNIS Vorwort Liste
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle
MehrKapitel VII - Konzentration von Merkmalswerten
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrHans-Friedrich Eckey / Reinhold Kosfeld / Christian Dreger. Statistik. Grundlagen - Methoden - Beispiele GABLER
Hans-Friedrich Eckey / Reinhold Kosfeld / Christian Dreger Statistik Grundlagen - Methoden - Beispiele GABLER INHALTSVERZEICHNIS TEIL I: DESKRIPTIVE STATISTIK 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK
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
MehrD E S K R I P T I V E S T A T I S T I K
Dr. T. Deutler Seminar für Statistik Universität Mannheim Denkanstöße und Lernkontrollfragen zur Veranstaltung D E S K R I P T I V E S T A T I S T I K 1. Grundbegriffe, Darstellung statistischer Ergebnisse
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
MehrWolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 3., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme 3 1.1 Kleine Einführung
MehrInhaltsverzeichnis. Teil I Einführung
Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrRuhr-Universität Bochum
Aufgabe 1: Die nachfolgende Tabelle zeigt die Privathaushalte in Nordrhein-Westfalen nach dem monatlichen Nettoeinkommen im Mai 2004 (Ergebnisse des Mikrozensus. Quelle: Landesamt für Datenverarbeitung
MehrÜbungsaufgaben: Beschreibende Statistik Seite: 1
Übungsaufgaben: Beschreibende Statistik Seite: 1 Aufgabe 1 Sie haben als Zeitungsleser, im Job oder in anderen privaten, sozialen und politischen Zusammenhängen sehr häufig mit Statistiken zu tun oder
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrIndizes (Indexzahlen)
Indizes (Indexzahlen) Denition 01 Eine Indexzahl beschreibt die durchschnittliche relative Veränderung mehrerer Messzahlen durch eine einzige Zahl Die Messzahlen werden mit einem Gewicht versehen und zusammengefasst
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 4 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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 =
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
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
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
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
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
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.
MehrStichwortverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Stichwortverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):
MehrVorwort zur 3. Auflage 15. Vorwort zur 2. Auflage 15. Vorwort 16 Kapitel 0 Einführung 19. Teil I Beschreibende Statistik 29
Inhaltsübersicht Vorwort zur 3. Auflage 15 Vorwort zur 2. Auflage 15 Vorwort 16 Kapitel 0 Einführung 19 Teil I Beschreibende Statistik 29 Kapitel 1 Eindimensionale Häufigkeitsverteilungen 31 Kapitel 2
MehrStatistik am PC Lösungen mit Excel
Michael Monka, Werner Voß, Nadine M. Schöneck Statistik am PC Lösungen mit Excel ISBN-10: 3-446-41555-6 ISBN-13: 978-3-446-41555-3 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41555-3
MehrRumpfskript. Deskriptive Statistik. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Deskriptive Statistik Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern ist auch nur
Mehrb = = 122.
Lösungsskizze zur Probeklausur im Fach Statistik I am 7.1.2010 Gesamtpunktzahl: 60 Aufgabe 1 (12 Punkte): Ein Unternehmen, das Möbel herstellt, hat eine Niederlassung in Deutschland, eine in Frankreich
MehrAufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung).
Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). a) Die Anzahl der voneinander verschiedenen Beobachtungswerte eines statistischen Merkmals
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 1: Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 12., vollständig überarbeitete Auflage nwb STUDIUM Inhaltsverzeichnis
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
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
Mehr5. Verhältniszahlen, Messzahlen und Indexzahlen
5. Verhältniszahlen, Messzahlen und Indexzahlen Ziel dieses Kapitels: Grundlegende Maßzahlen der praktischen Wirtschaftsstatistik 5.1 Verhältniszahlen Definition 5.1: (Verhältniszahl) Eine Verhältniszahl
Mehr5 Kontinuierliches Wachstum
5 Kontinuierliches Wachstum Kontinuierlich meßbare Größe Wir betrachten nun eine Größe a, die man kontinuierlich messen kann. Den Wert von a zum Zeitpunkt t schreiben wir nun als a(t). Wir können jedem
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe Welche der folgenden Aussagen sind richtig? (a) Richtig, die Varianz ist eine Summe quadratischer Größen. (b) Falsch, die Abweichung ordinaler Merkmale vom Median ist nicht definiert - also auch
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.
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
MehrGrundlagen der Statistik Übung FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft
Grundlagen der Statistik Übung 5 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrGRUPPE B Prüfung aus Statistik 1 für SoziologInnen
GRUPPE B Prüfung aus Statistik 1 für SoziologInnen 16. Oktober 2015 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( )
Mehr1 Einleitung und Grundlagen 1
Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige
MehrÜbungsblatt 3. Größe in cm Anzahl der (Klassenmitten) Studenten ges:100
Aufgabe 1: Übungsblatt 3 Die Körpergröße von 100 Studenten sei wie folgt verteilt: Größe in cm Anzahl der (Klassenmitten) Studenten 158 1 162 6 166 10 170 22 174 21 178 17 182 14 186 5 190 3 194 1 ges:100
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
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Zerlegung der Zeitreihe F t Trendkomponente
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
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,
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrEmpirische Methoden I
Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen Fakultät Betriebswirtschaft und Internationale Finanzen rof. Dr. Max C. Wewel Übungsklausur im Modul Empirische Methoden I (Deskriptive Statistik,
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Fünfte, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Fünfte, verbesserte Auflage Mit 162 Abbildungen und 25 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Mehr