4 Konzentrationsmessung
|
|
- Lothar Günther
- vor 7 Jahren
- Abrufe
Transkript
1 4 Konzentrationsmessung
2 4.0 Vorbemerkungen 4.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. welchen Anteil am Gesamtvermögen haben die Reichsten? Nullkonzentration: alle haben denselben Anteil, d.h. es tritt nur eine Merkmalsausprägung auf Grundlegende Unterscheidung je nach dem Verständnis des Begriffs wenige. geringe Anzahl von Einheiten: absolute Konzentration, v.a. in der Ökonomie ((Angebots-) Oligopol) geringer Anteil von Einheiten: relative Konzentration (Disparität) v.a. Einkommensund Bodenverteilung; Armutsmessung 4 Konzentrationsmessung 159
3 4.0 Vorbemerkungen Jedes absolute Konzentrationsmaß sagt auch etwas über relative Konzentration aus und umgekehrt. 2 Arten der Beschreibung: durch eine Funktion: v.a. Lorenzkurve (für relative Konzentrationen), in Wirtschaftsund Sozialstatistik (Nebenfach) dann Halbordnungen für Verteilung (in Kapitel 1.1.3) durch Maßzahlen: Ginikoeffizient(für relative Konzentration), mehrere gebräuchliche Maße für absolute Konzentrationen. 4 Konzentrationsmessung 160
4 Durchgängige Annahmen 4.0 Vorbemerkungen X sei ein verhältnisskaliertes Merkmal (mit Urliste x 1,...,x n ) Die Merkmalsausprägungen a 1,...,a k seien der der Größe nach geordnet a 1 <...,< a k. h 1,...,h k und f 1,...,f k seien die zugehörigen absoluten bzw. relativen Häufigkeiten. Die empirische Verteilungsfunktion werde mit F X ( ) oder F( ) bezeichnet. X nimmt nur positive Werte an, x i 0, für alle i = 1,...,n und mindestens ein Wert ist von Null verschieden) n x i > 0 (d.h Betrachtet werden die der Größe nach geordneten Daten: x (1) x (2)... x (n) Achtung: Die Klammern im Index werden in der Literatur oft weggelassen, wenn vorausgesetzt wird, dass die Daten schon geordnet sind (z.b in Fahrmeir et al.,2005) 4 Konzentrationsmessung 161
5 Warum überhaupt Konzentrationsmaße als eigenes Gebiet? 4.0 Vorbemerkungen Wenn alle gleiches Vermögen haben, dann tritt nur eine einzige Merkmalsausprägung a 1 auf: Dieser Wert ist zugleich arithmetisches Mittel, Median und Modus Die Varianz bzw. der Variationskoeffizient ist Null Beispiel: 9 Personen haben jeweils 10 Euro und einer 1010 Euro ( 9 Arme, 1 Reicher ) j a j f j a j f j (a j x) 2 (a j x) ( 100) 2 = (909) 2 = Summe 1.0 x=110 s 2 = Konzentrationsmessung 162
6 4.0 Vorbemerkungen Wir betrachten nun den Fall, wo eine Person 0 Euro und 9 Personen jeweils 1000 Euro haben ( 1 Armer, 9 Reiche ) Transformation: Y= 1010-X x i = 10 = g(x i ) = y i = 1000 x i = 1010 = g(x i ) = y i = 0 Damit gilt (Transformationsregeln): ȳ = 1010 x = 900 s 2 y = ( 1) 2 s 2 x Y hat gleiche Varianz und gleichen Variationskoeffizienen wie X aber ganz unterschiedliches Streuverhalten. = Varianz bzw. Variationskoeffizienten genügt nicht als (alleiniges) Maß für (relative) Konzentration 4 Konzentrationsmessung 163
7 4.0 Vorbemerkungen Die üblichen Streuungsmaße messen die Variabilität um das Zentrum (arithmetisches Mittel, Median) symmetrisch Überschreiten und Unterschreiten des Zentrums wird gleich gewichtet Streuungsmaße geben keine Auskunft darüber, wie sich die Gesamtsumme (etwa das Vermögen) unter den einzelnen Einheiten verteilt, d.h. die Konzentration, also z.b. die Frage welchen Anteil am Gesamtvermögen haben die Reichsten? 4 Konzentrationsmessung 164
8 4.1.1 Die Lorenzkurve Definition 4.1. Die stückweise lineare Kurve durch die Punkte wobei für jedes j = 1,...,n (0,0),(u 1,v 1 ),u 2,v 2 ),...,(u n,v n ) = (1,1), j j x (i) x (i) u j := j n und v j := = n x i n x (i) heißt Lorenzkurve. 4 Konzentrationsmessung 165
9 u j ist der Anteil der j kleinsten Merkmalsträger v j der anteilige Beitrag dieser Einheiten zur Gesamtsumme n x i = n x (i) ( kumulierte relative Merkmalssumme ) Punkte oberhalb der Winkelhalbierenden kommen nicht vor! Die Lorenz Kurve muss monoton wachsend sein. 4 Konzentrationsmessung 166
10 Bem [Zur Interpretation der Lorenzkurve] Wie liegen die Punkte bei minimaler Konzentration (Konzentration=0)? 10% kleinste haben 10% 20% 20% usw. also u j = v j für alle j, d.h. auf der Winkelhalbierenden. Konzentration von 0: gleiche Verteilung in dem Sinne, dass jede Einheit denselben Anteil an der Gesamtsumme hat. Dies bedeutet x 1 = x 2 =... = x n und damit h j = 1 für eine bestimmte Ausprägung a j = x 1. Das ist zu unterscheiden von der so genannten (Häufigkeits-)Gleichverteilung (siehe v.a. Statistik II). Dort ist h 1 = h 2 =... = h k, d.h. jede Ausprägung a j gleich häufig. 100% gleiche Werte, Konzentration 0 (Häufigkeits-)Gleichverteilung 4 Konzentrationsmessung 167
11 Extremfall: vollständige Konzentration n 1 Personen haben gar nichts n-te Person hat alles 1 Je weiter die Kurve von der Winkelhalbierenden entfernt ist, also je tiefer ceteris paribus v j ist, umso stärker ist die Konzentration. n 1 n u j = 0.9 v j = Die 90% Ärmsten haben.... u j = 0.9 v j = Konzentrationsmessung 168
12 Bem a) Insbesondere bei größeren Datensätzen vereinfacht sich die Berechnung wesentlich, wenn man die relativen/absoluten Häufigkeiten f 1,...,f k bzw. h 1,...,h k der der Größe nach geordneten Merkmalsausprägungen a 1 < a 2 <,...,< a k benutzt. Dann ist für j = 1,...,k u j = j h l n = j f l = F(a j ) (4.1) und v j = j h l a l = k h l a l j f l a l (4.2) k f l a l 4 Konzentrationsmessung 169
13 b) Ist bei klassierten Daten mit den Klassen [c 0,c 1 ),[c 1,c 2 ),...,[c k 1,c k ] die Merkmalsverteilung in den Klassen nicht bekannt - und will man als Ergebnis dennoch eine einzelne Zahl -, so nimmt man wie beim arithmetischen Mittel als Approximation an, dass alle Ausprägungen in dieser Klasse auf die Klassenmitte m l = c l 1+c l 2 fallen. Damit erhält man mit f l und h l, l = 1,...,k als relative bzw. absolute Klassenhäufigkeiten und a l = m l, l = 1,...,k : j v j = h l m l = k h l m l j f lm l k f lm l. (4.3) c) Während normalerweise bei Lorenzkurven nur die Punkte (0,0),(u 1,v 1 ),... interpretierbar sind, sind bei klassierten Daten auch die linearen Zwischenstücke interpretierbar. 4 Konzentrationsmessung 170
14 Bsp Gegeben sei ein Land mit folgender klassierter Verteilung: Klasse (c j 1,c j ) [0;10) [10;227.5) [227.5; ) arm mittel reich f j f 1 = 0.5 f 2 = 0.4 f 3 = 0.1 Man bestimme die Lorenzkurve (mit m 3 := 500). j m j f j u j = F(a j ) f j m j j f lm l v j Summe Konzentrationsmessung 171
15 Konzentrationsmessung 172
16 letzte Gruppe nochmals aufspalten 10% Reiche 1% sehr reich und v 4,neu = 1 9% mäßig reich, so dass v 3,neu = Konzentrationsmessung 173
17 4.1.2 Der Gini-Koeffizient Definition 4.5. [Gini-Koeffizient] Gegeben sei die geordnete Urliste x (1),x (2),...,x (n) eines verhältnisskalierten Merkmals X. G := 2 n i x (i) n n x i n+1 n heißt Gini-Koeffizient und G := n 1 G n normierter Gini-Koeffizient (Lorenz-Münzner-Koeffizient). 4 Konzentrationsmessung 174
18 Bem Man kann zeigen (Herleitung über Trapezformel Toutenburg & Heumann,2008): G = Fläche zwischen Winkelhalbierender und Lorenzkurve Fläche zwischen Winkelhalbierender und Abszisse = 2 Fläche zwischen Winkelhalbierender und Lorenzkurve Es gilt: G = 0 bei minimaler Konzentration und G = n 1 n bei maximaler Konzentration Damit ist: G = 0 bei minimaler Konzentration und G = 1 bei maximaler Konzentration. (Ist n sehr groß, so ist n 1 n 1, also G G.) 4 Konzentrationsmessung 175
19 Betrachtet man die geordneten Ausprägungen a 1 < a 2 <... < a k mit den Häufigkeiten h 1,h 2,...,h k,. G = k (u l 1 +u l )f l a l 1 = k f l a l k = 1 f l (v l 1 +v l ) k (u l 1 +u l )h l a l 1 = k h l a l mit u j = 1 n j h l, u 0 := 0 4 Konzentrationsmessung 176
20 Bsp [Konzentrationsmessung] Fortsetzung von Bsp. 4.4 Man veranschauliche und berechne in der Situation von Bsp. 4.4 den Ginikoeffizienten. j f j u j v j k G = 1 f l (v l 1 +v l ) = = 1 (f 1 v 1 +f 2 (v 1 +v 2 )+f 3 (v 2 +v 3 )) = = 1 ( % % %) = = Konzentrationsmessung 177
21 Graphische Darstellung v 3 v 2 v 1 e c d a b f 1 f 2 f 3 Gini Koeffizient = 1 2 (a + b + c + d + e) = ( f1 v 1 = f 2 v 1 + f 2 (v 2 v 1 ) + f 3 v 2 + f ) 3 (v 3 v 2 ) ( f1 v 1 = f 2 v 1 + f 2 v 2 + f 3 v 2 + f ) 3 v 3 = = 1 (f 1 v 1 + f 2 v 1 + f 2 v 2 + f 3 v 2 + f 3 v 3 ) = 4 Konzentrationsmessung 178
22 Ausgewählte Gini-Koeffizienten der landwirtschaftlich genutzten Fläche Paraguay G = % haben < 10ha Italien G = % Schweiz G = % Österreich G = % Portugal G = % Übergang von der Lorenzkurve zum Gini-Koeffizienten: - Informationsverlust, insbesondere können verschiedene Lorenzkurven denselben Ginikoeffizienten haben + Totale Ordnung: Ginikoeffizienten als Zahlen lassen sich immer ordnen, Lorenzkurven im Allgemeinen nicht. 4 Konzentrationsmessung 179
23 4.1.3 Quantilsbezogene relative Konzentrationsmessung Oft stehen die Daten in einer anderen Form zur Verfügung: Gegeben sind dann Quantile (typischerweise Quartile, Quintile oder Dezile, allgemein 1 q 100% Quantile) und die Anteile z 1,z 2,...,z q des Merkmals, die auf die jeweiligen Quantile entfallen. Wie kann man dann immer noch die Lorenzkurve berechnen? Bsp [Einkommensverteilung Brasilien] Quintil z 1 z 2 z 3 z 4 z 5 Quelle: World Resources Institute: (Aufruf 2010) 4 Konzentrationsmessung 180
24 v 3 v 2 v % 50% 75% 100% Für die Abszisse erhält man dann für ṽ α n = v 1 bzw. allgemein für ṽ j α n = v j v 1 = α n x (i) bzw. v j = n x (i) jα n n x (i) x (i) 4 Konzentrationsmessung 181
25 Bildet man die folgenden Differenzen: z 1 := v 1 0 z 2. := v 2 v 1 z j := v j v j 1, so erhält man genau den Anteil, der ins q-te Quantil fällt, denn: usw. z 1 = α n x (i) und z 2 = n x (i) 2α n x (i) α n x (i) = n x (i) 2αn i=α n+1 Umgekehrt kann man auch aus z 1,z 2,... die v 1,v 2,... und damit die Lorenzkurve berechnen v 1 = z 1 v 2 = z 2 + v 1 = z 2 + z 1 v 3. = z 1 + z 2 + z 3 n x (i) x (i) v j = l j z l 4 Konzentrationsmessung 182
26 Bem Für den Gini-Koeffizienten G der vergröberten Lorenzkurve (u j,v j ),j = 0,1,...,n kann man einfach auf die Formeln aus Kapitel zurückgreifen. Dies liefert (wegen der Konvexität der Lorenzkurve) eine untere Schranke für Gini- Koeffizienten G der wahren Lorenzkurve. G = G, wenn im jeweiligen Quantil alle Einkommen gleich sind. Man hat dann Häufigkeitsdaten mit den Ausprägungen a 1,a 2,...,a q vorliegen: a l ist der Wert im l-ten Quantil. Dann ist z l = l α n (l 1) α n+1 x (i) = n x (i) α n a l q α n a l = a l q a l 4 Konzentrationsmessung 183
27 und damit (wegen f l = α = const.) G = = k (u l 1 + u l )f l a l 1 = k f l a l q (u l 1 + u l ) a l q a l 1 = q (u l 1 + u l ) f l a l 1 = q f l a l ( q ) (u l 1 + u l ) z l 1 4 Konzentrationsmessung 184
28 Beispiel Brasilien: Quintil j z j u j v j v 1 = z 1 = 2.5% v 2 = z 1 +z 2 = 2.5%+4.9% = 7.4% v 3 = z 1 +z 2 +z 3 = 16.6% v 4 = z 1 +z 2 +z 3 +z 4 = 34.9% v 5 = 100% 4 Konzentrationsmessung 185
29 Gini-Koeffizienten: Algerien Brasilien Deutschland Finnland Niger China Konzentrationsmessung 186
30 4.1.4 Einige weitere quantilsbasierte Maße Insbesondere basierend auf dieser natürlichen, äquidistanten Einteilung lassen sich weitere relative Konzentrationsmaße definieren: Robin-Hood-Index (maximaler Nivellierungssatz, Schutzkoeffizient) (Wagschal (1999, S.135ff)) Wie viel müsste den Reichen weggenommen werden, um zu einer Konzentration von 0 zu kommen? Ermittle für jedes Quantil den Abstand seines Anteils zu α! Aufaddieren der positiven Abstände liefert den Robin-Hood-Index. Dieser Anteil müsste verteilt werden, um zu einer gleichen Verteilung zu kommen! Grafische Bestimmung des Robin-Hood-Indexes Wagschal (1999, S.132) Man kann zeigen, dies ergibt genau den maximalen Abstand zur Winkelhalbierenden. 4 Konzentrationsmessung 187
31 Quantilverhältnisse etwa Dezilverhältnis z.b. Dezilratio 90:10= x 0.9 x 0.1, falls x 0.1 > 0 beim Einkommensvergleich: also um welchen Faktor ist der untere Wert der 10% Reichsten größer als der obere Wert der 10% Ärmsten Minimale Konzentration: alles in einem Punkt x 0.1 = x 0.9 Dezilratio = 1 Umgekehrt Vorsicht: bei extremer Konzentration. Könnte für Entwicklungsländer eventuell problematisch sein, aber etwa für Einkommensverhältnisse in OECD-Ländern sehr anschauliches Maß. 4 Konzentrationsmessung 188
32 Bsp Dezilverhältnisse 90:10 des Einkommens von Vollbeschäftigten im internationalen Vergleich Wagschal (1999, S.138) Norwegen Schweden Dänemark Belgien Finnland Deutschland Niederlande Schweiz Australien Italien Neuseeland Japan Frankreich Großbritannien Österreich Kanada Portugal USA 4 Konzentrationsmessung 189
33 4.2 Absolute Konzentration 4.2 Absolute Konzentration Vorbemerkungen Alle bisherigen Maße betrachteten die relative Konzentration: Sowohl die u j als auch die v j waren Anteile. Die absolute Konzentration bezieht die absolute Zahl der Merkmalsträger mit ein. Es ist jeweils inhaltlich zu entscheiden, welche der beiden Arten von Konzentration von Interesse ist. Relative Konzentrationsmessung ist heranzuziehen: wenn die Merkmalsumme auf sehr viele Einheiten verteilt wird (z.b. Boden/Einkommen) oder bei der Frage: Herrscht im Markt ein Übergewicht? Absolute Konzentrationsmaße werden v.a. dann verwendet, wenn die Merkmalsumme nur auf wenige Einheiten aufgeteilt wird, z.b. Betriebssysteme, Engergieversorger, Ölkonzerne. 4 Konzentrationsmessung 190
34 4.2.2 Einige Maßzahlen der absoluten Konzentration 4.2 Absolute Konzentration Definition Sei 0 x (1) x (2)... x (n) die geordnete Urliste eines verhältnisskalierten n Merkmals mit x i > 0. Mit p (i) := x (i) n j=1 x j heißt Konzentrationsrate (vom Grade g). CR g := n i=n g+1 p (i) 4 Konzentrationsmessung 191
35 Maximale Konzentration CR 1 = 1: Die größte Beobachtung hat alles. 4.2 Absolute Konzentration Minimale relative Konzentration x (1) = x (2) =... = x (n) =: x p (i) = x (i) x = n n x x j j=1 also CR g = n i=n g+1 p (i) = g, abhängig von n n Für n = 2 ist CR 1 = 1 2, für n geht CR 1 gegen 0. Wahl von g? Typischerweise klein : 2 oder 3 4 Konzentrationsmessung 192
36 Bsp Absolute Konzentration Zweitstimmenanteile polit. Parteien bei Bundestagswahlen CDU/CSU 31,0% 45,2% 47,6% 44,9% 48,8% 41,5% 38,5% 35,2% 33,8% SPD 29,2% 28,8% 39,3% 45,8% 38,2% 36,4% 38,5% 34,2% 23,0% FDP 11,9% 9,5% 9,5% 8,4% 7,0% 6,9% 7,4% 9,8% 14,6% Grüne ,6% 7,3% 8,6% 8,1% 10,7% PDS/Die Linke ,4% 4,0% 8,7% 11,9% Sonstige 27,9% 16,5% 3,6% 0,9% 0,4% 3,5% 3,0% 4,0% 7,0% 4 Konzentrationsmessung 193
37 Definition Absolute Konzentration In der Situation von Def 1.12 heißt H := n p 2 (i) Herfindahl-Index. Die Größe 1 H wird auch Rae-Index genannt. In der Politikwissenschaft wird 1 H auch als Anzahl der effektiven Parteien bezeichnet. Bem p (i) gibt Idee, da konstant 1. Durch das Quadrieren werden große Anteile relativ gesehen noch größer. Da über alle p (i) summiert wird, müssen für den natürlichen Herfindahl-Index die p (i) nicht geordnet sein. 4 Konzentrationsmessung 194
38 4.2 Absolute Konzentration H liegt zwischen 1 n und 1. maximale Konzentration: H = 1, da p (n) = 1,und alle restlichen p (i) = 0 minimale Konzentration p (i) = 1 n : H = n ( ) 2 1 = n 1 n n 2 = 1 n ; H hängt tatsächlich von Anzahl Marktteilnehmer ab! 4 Konzentrationsmessung 195
39 In der Tat wird die absolute Konzentration gemessen: Hat man q Einheiten, die jeweils den gleichen Anteil ausmachen, so gilt: 4.2 Absolute Konzentration q = 1 H = 1 maximale Konzentration während hier immer G 0 gilt. q = 2 H = ( 1 2 )2 +( 1 2 )2 = 1 2 q = 3 H = ( 1 3 )2 +( 1 3 )2 +( 1 3 )2 = 1 3 usw.. Bsp [Herfindahl- und Rae-Index des deutschen Parteienwesens] 4 Konzentrationsmessung 196
40 4.2 Absolute Konzentration Bsp [ Durchschnittliche Fraktionalisierung von Parteiensystemen ] (Waagschal (1999, S. 145)) Land durchschnittl. Rae-Index USA 0.53 Österreich 0.60 Großbritannien 0.62 Deutschland 0.64 Schweiz 0.71 Italien 0.75 Frankreich 0.79 Niederlande 0.79 Finnland Konzentrationsmessung 197
4 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
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,
Mehr4 Konzentrations- und Armutsmessung
4 Konzentrations- und Armutsmessung 222 4.1 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. Fahrmeir, L. & Künstler, R. & Pigeot,
MehrWirtschafts- und Sozialstatistik
Thomas Augustin und Sebastian Petry WS 29/1 Teil I Weitere deskriptive Verfahren 1 Konzentrationsmessung 1. Vorbemerkungen 1. Vorbemerkungen Literatur Dittrich, C. (28): Methoden zur statistischen Messung
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
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
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
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
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
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:
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:
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
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 =
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
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
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
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.
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.
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
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
Mehr6 Konzentrations- und Armutsmessung
6 Konzentrations- und Armutsmessung 6.0 Vorbemerkungen Konzentration: Ausmaß der Ballung von großen Anteilen an der gesamten Merkmalssumme auf wenige Einheiten. Literatur Fahrmeier, L. & Künstler, R. &
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 15 Prof. Dr. Stefan Etschberger Hochschule Augsburg Lorenzkurve Knickstellen: Bei i-tem Merkmalsträger x i+1 > x i Empirische Verteilungsfunktion
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße 3.0 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum
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 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
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
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
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
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
MehrStatistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
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
Mehr(x i x) 2. (x i a) 2, x i x med. x i a. i=1. 3 Lage- und Streuungsmaße 134
Lagemaße als Lösung eines Optimierungsproblems 3.1 Lagemaße Gegeben sei die Urliste x 1,...,x n eines intervallskalierten Merkmals X, die zu einer Zahl a zusammengefasst werden soll. Man könnte sagen,
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
MehrLuxemburg. Norwegen. Schweiz. Island. Zypern. Niederlande. Österreich. Schweden. Deutschland. Dänemark. Frankreich. Irland.
Einkommen (Teil 1) Einkommen (Teil 1) Medianes Nettoäquivalenzeinkommen* in in Euro Euro und und Kaufkraftstandards (KKS), (KKS), Index Index KKS KKS (Deutschland = 100), = 100), ausgewählte europäische
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................................
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
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=
MehrStatistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
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 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
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
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.
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße 3.0 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals: Lage und Zentrum der Daten,
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
MehrInstitut für Statistik. Masterarbeit. über das Thema. Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden.
Institut für Statistik Masterarbeit über das Thema Messung der Vermögensungleichheit: Vergleich der Datengrundlagen und Methoden Autorin: Betreuer: Carina Landgraf Prof. Dr. Heumann Abgabedatum: 22. September
MehrWelche der folgenden Aussagen sind richtig (jeweils 1 Punkt)?
Aufgabe 1 Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? (a) Der Median entspricht dem 50%-Quantil. (b) Für eine eingipflige und symmetrische Verteilung gilt stets, dass der Median und der
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.
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 16 Prof. Dr. Stefan Etschberger Hochschule Augsburg Outline 1 : Einführung Berühmte Leute zur Wie
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
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
MehrDeskriptive Statistik. (basierend auf Slides von Lukas Meier)
Deskriptive Statistik (basierend auf Slides von Lukas Meier) Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst
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
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
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,
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
MehrStatistik I Übungsblatt 4
Universität Konstanz Lehrstuhl für Statistik SS 2007 Statistik I Übungsblatt 4 Stem-and-Leaf-Diagramm, Boxplot, Konzentrationssmessung Aufgabe 4.1 a) Bei einem Boxplot gilt allgemein: drei Viertel aller
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
MehrSehr Einigermaßen Nicht Schüler Lehrer Eltern h 0.j n=500
1. Aufgabe 1.1 Kreuz- bzw. Kontingenztabelle, auch bivariate Häufigkeitsverteilung. Mermal X: nominal, Merkmal Y: ordinal. Tabelle der beobachteten Häufigkeiten mit Randverteilungen: Ich (mein Kind) fühlt
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
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. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 207 Streuungsparameter Voraussetzung: kardinale Werte x,..., x n Beispiel: a)
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
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 6, 2012
Statistik SS 2012 Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 6, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012 March 6, 2012 1 / 19
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
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
MehrVl I. Vortrag: Abdallah Qubala Themen:
Vl. 9.12.16 I. Vortrag: Abdallah Qubala Themen: Dez 9 14:26 Literatur: Skript I: Beschreibende Statistik Kapitel 2. Dez 10 17:18 Prof.Dr.B.Grabowski 1 Dez 9 14:39 Dez 9 14:41 Prof.Dr.B.Grabowski 2 Dez
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
Mehr6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale
6 Korrelations- und Regressionsanalyse: Zusammenhangsanalyse stetiger Merkmale 397 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
MehrLösungen zur Klausur zur Statistik Übung am
Lösungen zur Klausur zur Statistik Übung am 28.06.2013 Fabian Kleine Staatswissenschaftliche Fakultät Aufgabe 1 Gegeben sei die folgende geordneten Urliste des Merkmals Y. 30 Punkte Y : 5 5 5 5 10 10 10
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
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)
MehrWiederholung der Klausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
Mehr4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben.
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 (a k ) k N eine Folge. Wir definieren
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
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
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
MehrErgebnisse des Index der unternehmerischen Freiheit: Länderprofile
Ergebnisse des Index der unternehmerischen Freiheit: Länderprofile Australien Belgien Dänemark Deutschland Finnland Frankreich Griechenland Irland Italien Japan Kanada Mexiko Neuseeland Niederlande Norwegen
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 ( )
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
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
Mehr41 T Korea, Rep. 52,3. 42 T Niederlande 51,4. 43 T Japan 51,1. 44 E Bulgarien 51,1. 45 T Argentinien 50,8. 46 T Tschech.
Gesamtergebnis Table 1: Klimaschutz-Index 2012 Tabelle 1 Rang Land Punkt- Einzelwertung Tendenz zahl** Trend Niveau Politik 1* Rang Land Punkt- Einzelwertung Tendenz zahl** Trend Niveau Politik 21 - Ägypten***
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
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
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
MehrTeil 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
MehrWelt-Bruttoinlandsprodukt
In Mrd., 2007 17.589 Mrd. US $ 1.782 Mrd. US $ Südosteuropa und GUS Europa Russland 1.285 Deutschland 3.302 Ukraine 141 15.242 Mrd. US $ Nordamerika Großbritannien Frankreich 2.738 2.567 Kasachstan 94
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
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
MehrAufgabe 2. Zudem konnten Sie bereits die folgenden Maße ermitteln: g = 2040 x = 3 xg = 7049 S 2 X = 2, 98.
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2016 Aufgabe 1 Absolventen und
Mehr9. Kapitel: Grafische Darstellung quantitativer Informationen
9. Kapitel: Grafische Darstellung quantitativer Informationen 9.1: Fallstricke bei der Übersetzung von Zahlen in Bilder a) optische Täuschungen b) absichtliche Manipulationen 9.2: Typologie von Datengrafiken
MehrArmutsgefährdungslücke und strenge Armut (Teil 1)
und (Teil 1) und (Teil 1) In Prozent, ausgewählte europäische Staaten, 2008 2008 10,8 11,0 8,2 8,8 Personen mit Einkommen von weniger als 40 Prozent des mittleren Einkommens 6,6 6,4 6,8 5,4 3,6 Rumänien
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
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
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,
Mehr