Deskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten
|
|
- Jesko Auttenberg
- vor 7 Jahren
- Abrufe
Transkript
1 Deskriptive Statistik Kapitel VII - Konzentration von Merkmalswerten Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de
2 Agenda 1. Einleitung 2. Lorenzkurve 3. Gini-Koeffizient 4. Weitere Konzentrationsmaße Kapitel IV - Häufigkeitsverteilungen 1
3 Einleitung Bei vielen Verteilungen sind Lage- und Streuungsparameter für die Analyse einer Häufigkeitsverteilung nicht ausreichend. Beispiel 7.1 Bei einer Einkommensverteilung ist neben dem arithmetischen Mittel, also dem durchschnittlichen Einkommen, ein Streuungsparameter, z.b. die Standardabweichung, von Bedeutung, die etwas über die Abweichung vom mittleren Einkommen aussagt. Die Standardabweichung ist allerdings nicht genügend aussagekräftig, da die Verteilung sicherlich in der Regel nicht symmetrisch ist. Es kann z. B. viele mit geringeren Einkommen als dem Durchschnittseinkommen und einige wenige mit wesentlich höheren Einkommen geben. Das Ziel ist es diese Ungleichheit in der Verteilung der Einkommen mit Hilfe eines aussagekräftigen Maßes sichtbar und damit vergleichbar zu machen. Kapitel IV - Häufigkeitsverteilungen 2
4 Einleitung Ziel: Beschreibung, graphische Darstellung und Messung von Ungleichheiten z.b. bei der Verteilung von Besitz Gegeben: Besitz -Verteilung in Form einer nichtnegativen geordneten Urliste 0 x (1) x (2)... x (n) Gesamtbesitz: Positive Merkmalssumme x = x (i) > 0 n i=1 Kapitel IV - Häufigkeitsverteilungen 3
5 Einleitung Frage: Wie ist die Merkmalssumme auf die n Personen verteilt? Extremfälle: Alle besitzen gleich viel. Einer besitzt alles. Kapitel IV - Häufigkeitsverteilungen 4
6 Agenda 1. Einleitung 2. Lorenzkurve 3. Gini-Koeffizient 4. Weitere Konzentrationsmaße Kapitel IV - Häufigkeitsverteilungen 5
7 Lorenzkurve Wichtigstes graphisches Hilfsmittel zur Verdeutlichung von Konzentrationsphänomenen. Ausgegangen wird dabei von einer geordneten nichtnegativen statistischen Reihe mit positiver Summe der Beobachtungswerte (Merkmalssumme) 0 x (1) x (2)... x (n), x = n i=1 x (i) > 0 Prinzip: Gegenüberstellung des Anteils an der statistischen Masse und des Anteils an der Merkmalssumme der k statistischen Einheiten mit den kleinsten Merkmalswerten Kapitel IV - Häufigkeitsverteilungen 6
8 Lorenzkurve Anteil an der Merkmalssumme, der auf die k statistischen Einheiten mit den kleinsten Merkmalswerten (x (1),..., x (k) ) entfällt: v k = x (i) i=1 = x (i) i=1 nèkè Anteil an der gesamten statistischen Masse: x (1) x (k) x (1) x (n) u k = k n Damit steht also dem Anteil u k an der statistischen Masse ein Anteil v k an der Merkmalssumme gegenüber. Für k = 1,..., n trägt man die Punkte (u k, v k ) in ein Koordinatenkreuz ein und verbindet sie durch einen Streckenzug, beginnend mit dem Ursprung (0,0): Kapitel IV - Häufigkeitsverteilungen 7
9 Lorenzkurve Anteil an der Merkmalssumme 1 (un, vn) = (1, 1) (u 3, v 3 ) (u 2, v 2 ) (u 1, v 1 ) 0 1 Anteil an der statistischen Masse Abbildung Lorenzkurve. Kapitel IV - Häufigkeitsverteilungen 8
10 Lorenzkurve Beispiel 7.1 Die geordnete statistische Reihe der Monatslöhne in einem mittleren Handwerksbetrieb laute wie folgt in Euro: 500, 1900, 2050, 2200, 2250, 2400, 2600, 2950, 4000, Merkmalssumme ist: Damit erhält man folgende Tabelle: u k v k Und die folgende Lorenzkurve... Kapitel IV - Häufigkeitsverteilungen 9
11 Lorenzkurve Figure 1: Abbildung Lorenzkurve zu Beispiel 7.1 Kapitel IV - Häufigkeitsverteilungen 10
12 Lorenzkurve Eigenschaften der Lorenzkurve: Die Lorenzkurve beginnt in (0,0) und endet in (1,1). Die Lorenzkurve verläuft nirgendwo oberhalb der Diagonalen. Die Lorenzkurve steigt monoton. Die Lorenzkurve ist konvex. Kapitel IV - Häufigkeitsverteilungen 11
13 Lorenzkurve Anmerkung: Die Diagonale ist die Bezugskurve zur Lorenzkurve. Sind nämlich alle Beobachtungswerte gleich......so ist für k = 1,..., n v k = 0 < x 1 = x 2 =... = xn, x i i=1 kè = x i i=1 nè k x 1 n x 1 = k n = u k. Die Diagonale gibt also den Zustand wieder, in dem die Merkmalssumme völlig gleichmäßig über die Masse verteilt ist ( Gleichverteilung der Merkmalssumme ). Aus der Sicht der Konzentration der Idealzustand ohne jegliche Konzentration. Dem Idealzustand der Gleichverteilung entgegengesetzt ist der Extremfall, dass die gesamte Merkmalssumme in einer statistischen Einheit vereint ist: 0 = x (1) =... = x (n 1) < x (n). Kapitel IV - Häufigkeitsverteilungen 12
14 Lorenzkurve Kapitel IV - Häufigkeitsverteilungen 13
15 Lorenzkurve Weitere Anmerkung: Für großes n, also viele statistische Einheiten, erhält man bei vollständiger Konzentration nahezu die Katheden des rechtwinkligen Dreiecks mit den Eckpunkten (0,0), (1,0), (1,1). Interpretation der Lorenzkurve: Je weiter die Lorenzkurve von der Diagonalen entfernt ist, je mehr die Lorenzkurve also durchhängt, desto größer ist die Konzentration. Kapitel IV - Häufigkeitsverteilungen 14
16 Lorenzkurve Beispiel 7.2 Gegeben ist die Häufigkeitsverteilung a h(a) p(a) Geordnete Urliste ist dann: 1, 1, 2, 2, 2, 3; Merkmalssumme ist 11. Damit erhält man die Koordinaten der Lorenzkurve: u k v k Kapitel IV - Häufigkeitsverteilungen 15
17 Lorenzkurve Figure 2: Abbildung Lorenzkurve zu Beispiel 7.2 Anmerkung: Man sieht, dass übereinstimmende Merkmalswerte zu Geradenstücken gleicher Steigung führen. Es genügt also, die Werte für k = 2 und k = 5 zu berechnen. Kapitel IV - Häufigkeitsverteilungen 16
18 Lorenzkurve Ermittlung der Lorenzkurve aus der absoluten Häufigkeitsverteilung Merkmalssumme: x a h(a) a M = Zur Berechnung der Koordinaten sind die Merkmalsausprägungen zu ordnen: 0 a 1 < a 2 <... < am. Kapitel IV - Häufigkeitsverteilungen 17
19 Lorenzkurve Ermittlung der Lorenzkurve aus der absoluten Häufigkeitsverteilung Anteil der k niedrigsten Merkmalsausprägungen an der Merkmalssumme: v k = Èa i h(a i ) i=1 a h(a) a M kè Anteil dieser Merkmalsausprägungen an der statistischen Masse: u k = Èh(a i ) i=1 h(a) a M kè Kapitel IV - Häufigkeitsverteilungen 18
20 Lorenzkurve Beispiel 7.3 Im Beispiel 7.2 erhält man die notwendigen Koordinaten der Lorenzkurve u k v k Anmerkung: Der Unterschied besteht darin, dass hierbei lediglich die Knickstellen der Lorenzkurve berechnet werden. Kapitel IV - Häufigkeitsverteilungen 19
21 Lorenzkurve Ermittlung der Lorenzkurve aus der relativen Häufigkeitsverteilung Anteil der k niedrigsten Merkmalsausprägungen an der Merkmalssumme: v k = Èa i p(a i ) i=1 a p(a) a M kè Anteil dieser Merkmalsausprägungen an der statistischen Masse: u k = p(a i ) k i=1 Kapitel IV - Häufigkeitsverteilungen 20
22 Lorenzkurve Beispiel 7.4 In Beispiel 7.2 erhält man 3 i=1 a i p(a i ) = = 11 6 und damit v 1 = = 2 11, v 2 = ( ) 11 6 = 8 11, v 3 = 1 wie in Beispiel 7.3. Kapitel IV - Häufigkeitsverteilungen 21
23 Lorenzkurve Ermittlung der Lorenzkurve bei klassierten Merkmalen Weder u k noch v k können gebildet werden. Seien I j die Klassen und h(i j ) bzw. p(i j ) die absoluten bzw. relativen Häufigkeiten. Die Klasse I hat damit den relativen Anteil p(i) = h(i) n an der statistischen Masse. Seien also die Klassen I 1,..., I m nach ihren Klassengrenzen geordnet, dann kann man statt u 1,..., u n die folgenden Werte verwenden: p(i 1 ), p(i 1 ) + p(i 2 ),..., m j=1 p(i j ) Kapitel IV - Häufigkeitsverteilungen 22
24 Lorenzkurve Ermittlung der Lorenzkurve bei klassierten Merkmalen Der Anteil an der Merkmalssumme einer Klasse I lässt sich nur anhand der Urliste oder der Häufigkeitsverteilung der unklassierten Daten feststellen. Geht man davon aus, dass die Klassenmitte z I das arithmetische Mittel der Merkmalswerte der Klasse ist, so ist z I h(i) Merkmalssumme der Klasse I und m j=1 z j h(i j ) Merkmalssumme der Gesamtmasse. Kapitel IV - Häufigkeitsverteilungen 23
25 Lorenzkurve Ermittlung der Lorenzkurve bei klassierten Merkmalen Punkte der Lorenzkurve für absolute Häufigkeiten: (u k, v k ) =¼ k j=1 p(i j ), Punkte der Lorenzkurve für relative Häufigkeiten: z j h(i j ) j=1 kè k = 0,..., m z j h(i j )½ für j=1 mè (u k, v k ) =¼ k j=1 p(i j ), z j p(i j ) j=1 kè k = 0,..., m z j p(i j )½ für j=1 mè Kapitel IV - Häufigkeitsverteilungen 24
26 Lorenzkurve Beispiel 7.5 Für eine Verbrauchsstudie wurden die Nettojahreseinkommen von 100 Männern festgestellt: Männer Einkommen in TEuro abs. H. rel. H. u k z j h(i j )Èz j h(i j ) v k unter bis unter bis unter bis unter bis unter bis unter bis unter Kapitel IV - Häufigkeitsverteilungen 25 È 100
27 Lorenzkurve Figure 3: Abbildung Lorenzkurve u Beispiel 7.5 Kapitel IV - Häufigkeitsverteilungen 26
28 Agenda 1. Einleitung 2. Lorenzkurve 3. Gini-Koeffizient 4. Weitere Konzentrationsmaße Kapitel IV - Häufigkeitsverteilungen 27
29 Gini-Koeffizient Anteil der Fläche zwischen der Diagonalen und der Lorenzkurve an Gesamtfläche unterhalb der Diagonalen. Er ist ein Maß für die Konzentration, die eben gerade der Abweichung der Lorenzkurve von der Diagonalen entspricht. G = Fläche zwischen Diagonale D und Lorenzkurve L Fläche zwischen Diagonale D und u-achse Kapitel IV - Häufigkeitsverteilungen 28
30 Gini-Koeffizient F i (u i+1,v i+1 ) (u i,v i ) u i u i+1 Abbildung Zur Berechnung des Gini-Koeffizienten Kapitel IV - Häufigkeitsverteilungen 29
31 Gini-Koeffizient Berechnung des Gini-Koeffizienten Für F i gilt F i = (u i+1 u i ) ( u i v i 2 + u i+1 v i+1 ), 2 da F i (um 90 o gedreht) ein Trapez ist, mit der Höhe u i+1 u i und der Mittellinie 0.5((u i v i ) + (u i+1 v i+1 )). Kapitel IV - Häufigkeitsverteilungen 30
32 Gini-Koeffizient Damit ist G = 1 2 n 1 (u i+1 u i )(u i v i +u i+1 v i+1 ) i=0 È 1 2 = n 1 (u i+1 u i )(u i v i + u i+1 v i+1 ) Èi=0 Setzt man die Daten aus der geordneten Urliste ein, so erhält man nach einigem Rechenaufwand G = 2 nèi=1 i x (i) (n + 1) nèi=1 x (i) n nèi=1. x (i) Kapitel IV - Häufigkeitsverteilungen 31
33 Gini-Koeffizient Beispiel 7.6 (1) In Beispiel 7.1 erhält man: G = 1 10 ( ) = 2 Nach der zweiten Formel erhält man: = G = = Der Unterschied ist durch die Rundung der beiden Koordinaten (u k, v k ) begründet. Kapitel IV - Häufigkeitsverteilungen 32
34 Gini-Koeffizient Beispiel 7.6 (2) Aus den Daten von Beispiel 7.2 bzw. 7.3 erhält man: G = = = = = (3) Für die Einkommensverteilung der Männer lautet der Gini-Koeffizient: G = = Kapitel IV - Häufigkeitsverteilungen 33
35 Gini-Koeffizient Betrachte: Der Maximalwert des Gini-Koeffizienten ist für 0 = x (1) =... = x (n 1), x (n) = x (i) n i=1 nach der zweiten Formel Gmax = 2 n x (n) (n + 1) x (n) = n 1 n x (n) n Bei einer Maßzahl geht man üblicherweise von einem Maximalwert 1 aus. Aus diesem Grund normiert man den Ginikoeffizienten. Kapitel IV - Häufigkeitsverteilungen 34
36 Gini-Koeffizient Normierter Gini-Koeffizient Es gilt Gnorm = n n 1 G. 0 Gnorm 1 und G norm G norm = 1 bei vollständiger Konzentration, = 0 bei gleichmäßiger Verteilung der Merkmalssumme. Kapitel IV - Häufigkeitsverteilungen 35
37 Gini-Koeffizient Kritikpunkte Unterschiedliche Lorenzkurven können zu dem selben Gini-Koeffizienten führen. Es besteht ein starke Abhängigkeit des Gini-Koeffizienten von der Zahl der einbezogenen statistischen Einheinten. Weglassen von kleinen Merkmalswerten verringert G. Der Gini-Koeffizient ist nur ein Maß für die relative Konzentration, nicht für die absolute Konzentration. Kapitel IV - Häufigkeitsverteilungen 36
38 Gini-Koeffizient Beispiel 7.7 Die Messung der Wettbewerbskonzentration mit Hilfe des Gini-Koeffizienten auf zwei verschiedenen Märkten ergibt den selben Wert, obwohl die Märkte nicht identisch sind: G = 0 für zwei Firmen mit je 50% Marktanteil G = 0 für 20 Firmen mit je 5% Marktanteil Kapitel IV - Häufigkeitsverteilungen 37
39 Gini-Koeffizient Figure 4: Abbildung Beispiel zweier Lorenzkurven mit übereinstimmendem Gini-Koeffizienten Kapitel IV - Häufigkeitsverteilungen 38
40 Agenda 1. Einleitung 2. Lorenzkurve 3. Gini-Koeffizient 4. Weitere Konzentrationsmaße Kapitel IV - Häufigkeitsverteilungen 39
41 Weitere Konzentrationsmaße Konzentrationskoeffizient CRg = x (i) i=n g+1 nè für g = (1, 2, )3,... x (i) i=1 nè CR g gibt an, welchen Anteil der Merkmalssumme die g letzten Merkmalswerte der geordneten statistischen Reihe in sich vereinen. Die Vorgehensweise entspricht der Konstruktion der Lorenzkurve, wobei die geordnete Urliste von rechts nach links, also in umgekehrter Reihenfolge abgearbeitet wird. Die zugehörige Kurve wird üblicherweise als Paretokurve bezeichnet. Kapitel IV - Häufigkeitsverteilungen 40
42 Weitere Konzentrationsmaße Figure 5: Abbildung Paretokurve Kapitel IV - Häufigkeitsverteilungen 41
43 Weitere Konzentrationsmaße Herfindahl-Index n i=1¼ x i H := x i½ 2 H ist die Summe der quadrierten individuellen Anteile an der Merkmalssumme. Je größer H ist, desto größer ist die Konzentration. i=1 nè Kapitel IV - Häufigkeitsverteilungen 42
Kapitel 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
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.
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
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 11. Juni 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 9 Version: 5. Juni
Mehr7. Konzentrations- und Disparitätsmessung
7. Konzentrations- und Disparitätsmessung Betrachte: Merkmal X, bei dem alle Daten x i 0 sind und die Merkmalssumme n i=1 x i eine sinnvolle Interpretation besitzt (extensives Merkmal) 314 Beispiel: X:
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
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
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrKapitel VI - Lage- und Streuungsparameter
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VI - Lage- und Streuungsparameter Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrKapitel IV - Häufigkeitsverteilungen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel IV - Häufigkeitsverteilungen Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Agenda
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
MehrBeispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil 2)
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve, Teil ) Aufgabe (Lorenzkurve und Einkommen) Stellen Sie folgende Einkommensverteilung als Lorenzkurve dar. Wochenlohn Häufigkeit 500-599.99
Mehr4 Konzentrationsmessung
4 Konzentrationsmessung 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. welchen Anteil am Gesamtvermögen
MehrDeskriptive Statistik Kapitel IV - Häufigkeitsverteilungen
Deskriptive Statistik Kapitel IV - Häufigkeitsverteilungen Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de May 25, 2006 Agenda 1. Beispiel 2. Darstellung
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
Mehr4 Spezifizierende Beschreibung empirischer Verteilungen
4 Spezifizierende Beschreibung empirischer Verteilungen 62 4 Spezifizierende Beschreibung empirischer Verteilungen 4.1 Spezifika empirischer Verteilungen 66 4.2 Lagekennwerte 70 4.2.1 Arithmetisches Mittel
MehrLösungen zur deskriptiven Statistik
Lösungen zur deskriptiven Statistik Aufgabe 1. Bei einer Stichprobe von n = Studenten wurden folgende jährliche Ausgaben (in e) für Urlaubszwecke ermittelt. 1 58 5 35 6 8 1 6 55 4 47 56 48 1 6 115 8 5
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
Mehr4 Spezifizierende Beschreibung empirischer Verteilungen
4 Spezifizierende Beschreibung empirischer Verteilungen 55 4 Spezifizierende Beschreibung empirischer Verteilungen 4.1 Spezifika empirischer Verteilungen 59 4.2 Lagekennwerte 63 4.2.1 Arithmetisches Mittel
MehrStatistik I für Betriebswirte Vorlesung 10
Statistik I für Betriebswirte Vorlesung 10 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 13. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrKapitel VIII - Mehrdimensionale Merkmale
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Mehrdimensionale Merkmale Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
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
MehrStatistik I für Betriebswirte Vorlesung 10
Statistik I für Betriebswirte Vorlesung 10 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. Juni 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 10 Version: 13.
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
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. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg Streuungsparameter Etschberger SS Voraussetzung: kardinale Werte x,..., x n Beispiel:
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
MehrKapitel XI - Korrelationsrechnung
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Kapitel XI - Korrelationsrechnung Markus Höchstötter Uni Karlsruhe Karlsruhe, SS 2008 Kapitel XI - Korrelationsrechnung
MehrWirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007
Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:
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 =
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.
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
MehrBedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung
Konzentration Bedeutungen des Begris der Konzentration: statische Konzentration: zur Charakterisierung einer bestehenden Ungleichverteilung dynamische Konzentration: zur Charakterisierung der Zunahme einer
Mehr4 Reihen und Finanzmathematik
4 Reihen und Finanzmathematik 4. Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei
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
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
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
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
MehrBerufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Sommertermin 2013
BRP Mathematik VHS Floridsdorf 15.6.2013 Seite 1/6 Gruppe A Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Sommertermin 2013 Notenschlüssel:
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
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
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
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrSMALL & CR4 40 (N = 63) F E/F F E/F F E/ F 25% %
1 Beispiel 4 (Die Lorenzkurve in der Betriebswirtschaft) Example 4.1 (The distribution of firms in Germany) Source: Vivek Ghosal, Prakash Loungani, The differential impact of incertainty on investment
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.
MehrFormelsammlung zur Statistik I
Formelsammlung zur Statistik I Prof. Dr. Rolf Hüpen Prof. Dr. Manfred Lösch Fakultät für Wirtschaftswissenschaft Inhaltsverzeichnis 1 Deskriptive Statistik 3 1.1 Datenlagen................................
MehrRelationen / Lineare Funktionen
Relationen / Lineare Funktionen Relationen Werden Elemente aus einer Menge X durch eine Zuordnungsvorschrift anderen Elementen aus einer Menge Y zugeordnet, so wird durch diese Zuordnungsvorschrift eine
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische
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
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche Antwort werden 2 Punkte abgezogen,
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
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
MehrReihen, Einleitung. 1-E1 Ma 2 Lubov Vassilevskaya
Reihen, Einleitung 1-E1 Ma 2 Lubov Vassilevskaya Einleitung Im Folgenden werden wir Reihen, d.h. Summen von Zahlen untersuchen. Wir unterscheiden zwischen einer endlichen Reihe, bei der die Summe endlich
MehrTEIL 13: DIE LINEARE REGRESSION
TEIL 13: DIE LINEARE REGRESSION Dozent: Dawid Bekalarczyk GLIEDERUNG Dozent: Dawid Bekalarczyk Lineare Regression Grundlagen Prognosen / Schätzungen Verbindung zwischen Prognose und Zusammenhang zwischen
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung
MehrIK Ökonomische Entscheidungen und Märkte
IK Ökonomische Entscheidungen und Märkte LVA-Leiterin: Ana-Maria Vasilache Einheit 6/I: Märkte und Wohlfahrt (Kapitel 9) Märkte und Wohlfahrt Fragestellung: Ist die zum Gleichgewichtspreis produzierte
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
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
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
MehrDie Korrelation von Merkmalen
Die Korrelation von Merkmalen In der Analse von Datenmaterial ist eines der Hauptziele der Statistik eine Abhängigkeit bzw. einen Zusammenhang zwischen Merkmalen zu erkennen. Die Korrelation ermittelt
MehrInhaltsverzeichnis (Ausschnitt)
4 Zweidimensionale Daten Inhaltsverzeichnis (Ausschnitt) 4 Zweidimensionale Daten Häufigkeitsverteilungen unklassierter Daten Häufigkeitsverteilungen klassierter Daten Bedingte Häufigkeitsverteilungen
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrMatura2016-Lösung. Problemstellung 1
Matura-Lösung Problemstellung. Die Funktion f( = + 9k + müsste bei = den Wert annehmen, also gilt + 9k + = k =. Wir betrachten den Bereich mit positiven Werten. Dann gilt: f ( = 8 + 8 = = ; = Bei liegt
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
MehrBenutzen Sie nur die für die Antwort vorgesehenen Kästchen und führen Sie Nebenrechnungen auf den Rückseiten der Blätter durch!
Statistik I, SS 2001, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrBasistext Funktionen. Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu.
Basistext Funktionen Definition Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu. Man schreibt: f: x -> y mit y = f(x) Die Wertemenge einer Funktion f besteht aus
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrVeranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007
Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007 BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Hinweise: Sie haben zur Bearbeitung
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 11. Mai 2015. Mathematik. Teil-1-Aufgaben. Korrekturheft. öffentliches Dokument
Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS 11. Mai 2015 Mathematik Teil-1-Aufgaben Korrekturheft Aufgabe 1 Taschengeld Der Term stellt die Höhe des durchschnittlichen wöchentlichen
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrEs gibt insgesamt 14 Grundkompetenzpunkte: Je einen für jede der 12 Teil-1-Aufgaben und jede der beiden mit A gekennzeichnete Aufgaben aus Teil 2.
Prototypische Schularbeit 2 Klasse 8 Autor: Mag. Paul Schranz Begleittext Die vorliegende Schularbeit behandelt größtenteils Grundkompetenzen der Inhaltsbereiche Analysis und Wahrscheinlichkeitsrechnung
Mehre-funktionen f(x) = e x2
e-funktionen f(x) = e x. Smmetrie: Der Graph ist achsensmmetrisch, da f( x) = f(x).. Nullstellen: Bed.: f(x) = 0 Es sind keine Nullstellen vorhanden, da e x stets positiv ist. 3. Extrema: notw. Bed.: f
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.
MehrUmfang und Fläche von Rechtecken
Umfang und Fläche von Rechtecken Herbert Paukert 1 Umfang und Fläche von Rechtecken Version 2.0 Herbert Paukert (1) Der Umfang von Rechtecken [02] Elemente der Geometrie [02] Fünf Übungsaufgaben [08] Das
MehrDas Ergebnis der Untersuchung eines kardinalskalierten Merkmals X sei in folgender Tabelle wiedergegeben: Ausprägung Anzahl
Aufgabe 10 Deskriptiv: Lageparameter Das Ergebnis der Untersuchung eines kardinalskalierten Merkmals X sei in folgender Tabelle wiedergegeben: Ausprägung 1 2 3 4 7 Anzahl 4 4 6 4 2 a) Bestimmen Sie das
Mehr3. Quintil. 2. Quintil
Beispiel 9 (Einige Aufgaben und Illustrationen zur Lorenzkurve) Aufgabe Stellen Sie die Einkommensungleichheit in Argentinien, Brasilien, Costa Rica, Chile, Mexico, Panama, Peru und Venezuela mit Hilfe
Mehr4 Konzentrationsmessung
4 Konzentrationsmessung 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten (Frage zum Beispiel: Welchen Anteil
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
MehrPflichtteil... 2. Wahlteil Analysis 1... 6. Wahlteil Analysis 2... 9. Wahlteil Analysis 3... 13. Wahlteil Analytische Geometrie 1...
Pflichtteil... Wahlteil Analsis 1... 6 Wahlteil Analsis... 9 Wahlteil Analsis 3... 13 Wahlteil Analtische Geometrie 1... 16 Wahlteil Analtische Geometrie... 3 Lösungen: 006 Pflichtteil Lösungen zur Prüfung
Mehr4 Konzentrations- und Armutsmessung
4 Konzentrations- und Armutsmessung 196 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. Literatur Fahrmeier, L. & Künstler,
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
MehrKlausur: Statistik. Jürgen Meisel. Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung. 1.) Mittelwerte und Streumaße
Klausur: Statistik Jürgen Meisel Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung Bearbeitungszeit: 60 Minuten 1.) Mittelwerte und Streumaße In einer Vorlesung auf der Universität sitzen 30 Studenten
MehrElementare Geometrie. Inhaltsverzeichnis. info@mathenachhilfe.ch. Fragen und Antworten. (bitte nur für den Eigengebrauch verwenden)
fua0306070 Fragen und Antworten Elementare Geometrie (bitte nur für den Eigengebrauch verwenden) Inhaltsverzeichnis 1 Geometrie 1.1 Fragen............................................... 1.1.1 Rechteck.........................................
MehrStatistik. Übungsserie FS Dauer: 45 Minuten. Name: Vorname: Maximale Punktzahl: 37. Erreichte Punktzahl: Prozente: Note:
Statistik Übungsserie FS 2014 Dauer: 45 Minuten Name: Vorname: Maximale Punktzahl: 37 Erreichte Punktzahl: Prozente: Note: Punkte Note 34 6 31 5.5 27 5 24 4.5 20 4 17 3.5 13 3 10 2.5 7 2 3 1.5 0 1 Aufgabe
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
MehrSegregation. Sozialstruktur SoSe2013
Räumliche und Soziale Segregation g Vorlesung 10 Sozialstruktur SoSe2013 1 Segregation Räumliche Segregation ist die Abbildung von Ungleichheit im Raum Soziale Segregation ist das Entstehen unterschiedlichen
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
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
MehrArmutsgefährdungsquoten von Familien (Teil 1)
(Teil 1) Armutsgefährdungsquoten von Familien (Teil 1) Nach Haushaltstypen und und Zahl Zahl der Kinder Kinder unter unter 18 Jahren*, 18 Jahren*, gemessen gemessen am Bundesmedian am Bundesmedian sowie
MehrIndikatorendokumentation
Indikatorendokumentation Einkommen und seine Verteilung I001 Nettonationaleinkommen (Nettosozialprodukt) pro Einwohner in konstanten Preisen (in Euro) Niveau und Wachstum Statistisches Bundesamt, Statistisches
MehrLagemaße Worum geht es in diesem Modul? Allgemeines zu Lagemaßzahlen Arithmetisches Mittel aus einer Urliste
Lagemaße Worum geht es in diesem Modul? Allgemeines zu Lagemaßzahlen Arithmetisches Mittel aus einer Urliste Berechnung des arithmetischen Mittels aus Häufigkeitstabellen Weitere Lagemaße Worum geht es
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
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2012/2013. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2012/2013 Aufgabe 1 Eine Befragung
MehrÜ B U N G S S K R I P T S T A T I S T I K
Ü B U N G S S K R I P T S T A T I S T I K A. Ploner H. Strelec C. Yassouridis Universität für Bodenkultur Department für Raum, Landschaft und Infrastruktur Institut für Angewandte Statistik & EDV Peter-Jordan-Strasse
MehrWahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele
Wahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Wahrscheinlichkeitstheorie Agenda:
Mehr