Analytische Statistik II

Größe: px
Ab Seite anzeigen:

Download "Analytische Statistik II"

Transkript

1 Analytische Statistik II Institut für Geographie 1

2 Schätz- und Teststatistik 2

3 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben. Solche Ausnahmen sind z.b. Auswertung der amtlichen Gemeindestatistik der Gemeinden in Baden- Württemberg Auswertung der statistischen Kennziffern wirtschaftlichen Wachstums der Länder der Welt nach den Daten des Demographic Yearbook Daher: in der Regel Arbeit mit Stichproben, z.b. Befragung von 1050 Münsteranern zum demographischen Wandel 2008 Befragung von 1060 Touristen im Sauerland 1996 Eigentlich möchte man jedoch oft nicht nur über diese Stichprobe, d.h. über die befragten Personen Aussagen machen, sondern über alle, also über die Grundgesamtheit. Die statistische Methodik hat den Anspruch, nicht nur für die befragten Fälle zu sprechen, sondern in stärkerem Maße allgemeingültige Ergebnisse zu erzielen. 3

4 Es sind konkret vor allem zwei Problemstellungen, die dabei immer wieder vorkommen und bei denen die Statistik eine entscheidende Hilfestellung leisten kann: 1. Man will ausgehend von dem uns bekannten statistischen Kennwerten in der Stichprobe den nicht bekannten Parameter der Grundgesamtheit schätzen z.b. wollen wir von den Angaben von etwa 1000 Ausflüglern auf die Einstellung aller Touristen im Sauerland zurückschließen, z.b. auf deren Herkunftsgebiete, Urlaubsmotive etc.. D.h. wir möchten mit Hilfe der Zufallsstichprobe unbekannte Parameter der Grundgesamtheit schätzen. Ein solches Verfahren bezeichnet man als statistischen Induktionsschluß, den Teilbereich der Statistik, derie sich damit beschäftigt, dementsprechend als induktive Statistik (Schätzstatistik). 2. Man möchte testen, ob Unterschiede bei den gleichen Kennwerten verschiedener Stichproben wegen ihrer Geringfügigkeit als zufällig gelten müssen oder ob sie so groß sind, dass sie nicht zufällig sein können, d.h. dass sie im statistischen Sinne als signifikante Unterschiede angesehen werden müssen. Entsprechende Tests z.b. auf signifikante Unterschiede fallen in den Bereich der Teststatistik 4

5 Schätzstatistik 5

6 Fallbeispiel: Dauercamper am Biggesee N = 100 Durchschnittliche Anfahrtsentfernung = 60 km Standardabweichung = 10 km 6

7 Stichprobenfehler Im Falle einer Zufallsstichprobe gilt, das das arithmetische Mittel der Stichprobe ungefähr den wahren Wert in der Grundgesamtheit repräsentiert. Allerdings gibt es immer einen zufälligen Unterschied zwischen Grundgesamtheit und Stichprobe, selbst wenn letztere repräsentativ ist, d.h. einem Zufallsauswahlverfahren gefolgt ist. Claus und Ebner sagen dazu: Jedes Stichprobenergebnis ist bis zu einem gewissen Grade vom Zufall abhängig und dadurch mit einem Fehler behaftet. Es informiert über den entsprechenden Parameter der zuständigen Grundgesamtheit nur mehr oder weniger genau. Jede Zufallsstichprobe ist also mit einem sog. Stichprobenfehler ei behaftet. Darunter versteht man die Differenz zwischen dem statistischen Kennwert der Stichprobe und dem entsprechenden Parameter der Grundgesamtheit. 7

8 Wovon hängt die Größe des Stichprobenfehlers ab? a) von der Größe der Stichprobe b) von der Streuung des Merkmals in der Grundgesamtheit 8

9 Wovon hängt die Größe des Stichprobenfehlers ab? konkret: a) je größer die Stichprobe, desto kleiner wird der Stichprobenfehler (je kleiner die Stichprobe, desto größer der Stichprobenfehler)(indirekt proportionales Verhältnis) b) je größer die Streuung, desto größer der Stichprobenfehler (je kleiner die Streuung, desto kleiner der Stichprobenfehler)(direkt proportionales Verhältnis) Folge: Wenn man eine Stichprobe hat und kennt deren Mittelwert, kann man daraus nicht genau auf den exakten Mittelwert der Grundgesamtheit zurückschließen 9

10 Schätzung von Parametern mit Hilfe von Stichprobenbefunden Es gibt zwei Verfahren, mit Hilfe der statistischen Kennwerte von Stichproben auf die unbekannten Parameter der Grundgesamtheit zu schließen, ein empirisches und ein theoretisches. a) empirische Bestimmung, umständlich aber zunächst sehr einleuchtend b) rechnerische Bestimmung, relativ einfach auszurechnen, aber mathematisch für Laien etwas schwierig nachvollziehbar 10

11 a) empirische Bestimmung Man kann wiederholt (Zufalls-)Stichproben gleichen Umfangs aus der Grundgesamtheit ziehen und dabei jedesmal dieselben Merkmale messen (erfragen). Die Mittelwerte der verschiedenen Stichproben unterscheiden sich voneinander. Jede Stichprobe ist mit einem ihr eigen großen Stichprobenfehler behaftet. Diese Mittelwerte kann man auch graphisch darstellen. Sie bilden dann die sog. Stichprobenverteilung des arithmetischen Mittels dar. Diese Verteilung (d.h. die Verteilung der Mittelwerte der einzelnen Stichproben) besitzt ihrerseits wieder einen eigenen Mittelwert (xquerquer: der Mittelwert der einzelnen Mittelwerte), der den genauesten Schätzwert für den (unbekannten) Parameter der Grundgesamtheit darstellt. Dabei gilt: je dichter die Kennwerte der einzelnen Stichproben beieinander liegen, desto geringer ist ihre Streuung, desto zuverlässiger lässt sich mit ihrer Hilfe der unbekannte Parameter der Grundgesamtheit schätzen. Umgekehrt: Dabei gilt: Je größer die Streuung der Mittelwerte, desto größer die Standardabweichung, desto weniger exakt ist ein Rückschluß auf den entsprechenden Parameter in der Grundgesamtheit möglich. 11

12 Diese Beobachtungsergebnisse lassen sich auch graphisch darstellen: Zieht man unendlich viele Teilstichproben gleicher Größe und zeichnet deren Mittelwerte in einem Häufigkeitsdiagramm auf, so entsprechen Häufigkeit und Verteilung der Mittelwerte bei unendlich vielen solcher Stichproben am Ende einer mathematischen Normalverteilung Diese Normalverteilung besteht für statistische Kennwerte auch dann, wenn die Werte des gemessenen Merkmals in der Stichprobe selbst nicht normal verteilt sind Auf dem Gipfelpunkt dieser Normalverteilung befindet sich dann der wahre Mittelwert der Grundgesamtheit a) empirische Bestimmung 12

13 b) Mathematische Bestimmung durch Schätzung Will man nicht (unendlich) viele Stichproben ziehen, um den wahren Mittelwert der Grundgesamtheit zu ermitteln, sondern ihn aus einer Stichprobe ableiten, gelten folgende Denkschritte: Im Falle einer Zufallsstichprobe gilt, das das arithmetische Mittel der Stichprobe ungefähr den wahren Wert in der Grundgesamtheit repräsentiert. Allerdings ist aufgrund der Überlegungen zum Stichprobenfehler klar, dass er diesen nie genau trifft Aufgrund der Bedingungen unter der Normalverteilung kann aber mit 68prozentiger Wahrscheinlichkeit erwartet werden, dass die arithmetischen Mittelwerte weiterer Stichproben aus derselben Grundgesamtheit (und damit auch der wahre Wert der Grundgesamtheit) in einem Intervall liegen, das zwischen dem Mittelpunkt der entsprechenden Normalverteilung und ihren beiden Wendepunkten liegt Wie kommt man an die mathematische Bestimmung dieses Wendepunktes? -> Bestimmung des Standardfehlers 13

14 Mathematische Gesetze für die Normalverteilung Bei der Normalverteilung gilt (wie nicht näher abgeleitet werden soll): Der Gipfelpunkt ist der arithmetische Mittelwert der Verteilung Die Wendepunkte errechnen sich durch Subtraktion und Addition der Standardabweichung des Mittelwertes (Standardfehler) vom Mittelwert. Zwischen diesen beiden Wendepunkten liegen 68% der erwartbaren Werte. 14

15 15

16 Dabei gibt es eine Reihe interessanter Schwellenwerte, die alle in Beziehung zur Standardabweichung stehen. Es gilt im einzelnen: µ +/- 1 σ µ +/- 1,64 σ µ +/- 1,96 σ µ +/- 2 σ µ +/- 2,58 σ µ +/- 3 σ µ +/- 3,29 σ = 68% der Werte = 90% der Werte = 95% der Werte. = 95,45% der Werte = 99% der Werte = 99,73% der Werte = 99,9% der Werte Für die Berechnung von Schätzintervallen wird (bei Vorhandensein einer repräsentativen Zufallsstichprobe) das arithmetische Mittel sowie der Standardfehler zur Berechnung eingesetzt 16

17 Schätzen von Prozentwerten bei nicht metrisch skalierten Variablen (bzw. von Vertrauensintervallen für Prozentwerte) Die bisherigen Überlegungen bezogen sich auf quantitativ meßbare, also metrische Merkmale. Sie lassen sich natürlich vom Prinzip her auch auf nominal oder ordinal skalierte Merkmale anwenden. In diesem Falle müssen anstelle arithmetischer Mittelwerte Vertrauensintervalle für Schätzwerte ermittelt werden. Entsprechend kann man die für die Schätzung notwendigen Berechnungen nicht nach derselben Formel wie für metrisch skalierte Daten durchführen, sondern muss ein leicht abgewandeltes Verfahren anwenden, um den notwendigen Standardfehler (hier: den Standardfehler des Prozentwertes) Mit dessen Hilfe können dann im zweiten Schritt die Vertrauensintervalle bei einer bestimmten, vorgegebenen Irrtumswahrscheinlichkeit angegeben werden können. Dieses Verfahren läuft analog zur Schätzung von Mittelwerten. 17

18 18

19 σ ( p) p 100 p n s = p S p = Standardfehler des Prozentwertes p = prozentuale Häufigkeit des Merkmals in der Grundgesamtheit, (40% Antworthäufigkeit wird entsprechend zum Wert p 40) p = Komplementärwahrscheinlichkeit aller anderen Alternative(n) bei den genannten Antworten (bzw. Merkmalsausprägungen beim gemessenen Merkmal etc.) p + (100-p) ergeben demnach die Summe 100 Die Formel ist nicht anwendbar, wenn die Stichprobe sehr klein ist, und wenn p sehr nah bei 50% liegt (d.h. wenn die in der Befragung genannten Unterschiede zwischen p und seiner Alternative nicht-p ebenfalls sehr klein sind). Dies ist einsichtig, weil dann sowohl die Stichprobe wie Unterschiede in der Merkmalsausprägung so minimal sind, daß die Unterschiede mit größter Wahrscheinlichkeit zufällig sind. In diesem Falle kann die Formel keine aussagefähige Trennschärfe mehr erzielen. 19

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=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

Mehr

Statistik für SozialwissenschaftlerInnen II p.85

Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des

Mehr

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005 Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit

Mehr

Statistische Grundlagen I

Statistische 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.

Mehr

Analytische Statistik II

Analytische Statistik II Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,

Mehr

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis

Mehr

TEIL 13: DIE LINEARE REGRESSION

TEIL 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

Mehr

TEIL 13: DIE EINFACHE LINEARE REGRESSION

TEIL 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

Mehr

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154 Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch

Mehr

3 Konfidenzintervalle

3 Konfidenzintervalle 3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik

Mehr

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden

Inhaltsverzeichnis. 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

Mehr

Kapitel 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. 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

Mehr

Deskriptive Statistik

Deskriptive 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,

Mehr

Von der Normalverteilung zu z-werten und Konfidenzintervallen

Von der Normalverteilung zu z-werten und Konfidenzintervallen Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH

Mehr

Messung von Rendite und Risiko. Finanzwirtschaft I 5. Semester

Messung 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

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

825 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?

825 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

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

Allgemeines zu Tests. Statistische Hypothesentests

Allgemeines zu Tests. Statistische Hypothesentests Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer

Mehr

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:

Mehr

TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG

TEIL 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

Mehr

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.

3.2 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

Mehr

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167 Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine

Mehr

Jost Reinecke. 7. Juni 2005

Jost Reinecke. 7. Juni 2005 Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung

Mehr

Ü b u n g s b l a t t 15

Ü b u n g s b l a t t 15 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine

Mehr

Herzlich willkommen zum Thema SPSS

Herzlich willkommen zum Thema SPSS Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand

Mehr

4b. Wahrscheinlichkeit und Binomialverteilung

4b. Wahrscheinlichkeit und Binomialverteilung b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl

Mehr

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Bevölkerungs-Mittelwert 99 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Statistik & 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

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test) Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs tatistik für Wirtschaftswissenschaften Lösungen UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Brückenkurs tatistik für Wirtschaftswissenschaften: Lösungen

Mehr

Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren

Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei

Mehr

Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient

Deskriptive 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.

Mehr

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)

Mehr

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 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

Mehr

Mittelwertvergleiche, Teil II: Varianzanalyse

Mittelwertvergleiche, Teil II: Varianzanalyse FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

Statistik, Geostatistik

Statistik, Geostatistik Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.

Mehr

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests 1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit

Mehr

6. Übung Statistische Tests Teil 1 (t-tests)

6. Übung Statistische Tests Teil 1 (t-tests) Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)

Mehr

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der

Mehr

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind

Mehr

Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5)

Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5) Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5) 1. Welche Reihenfolge ist zutreffend auf den Ablauf einer statistischen Untersuchung laut SB? A B C D Aufbereitung Erhebung Planung Auswertung C-D-A-B

Mehr

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36) Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7

Mehr

Angewandte Statistik 3. Semester

Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen

Mehr

Mittelwertvergleiche, Teil I: Zwei Gruppen

Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:

Mehr

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75 Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Deskriptive Statistik 1 behaftet.

Deskriptive Statistik 1 behaftet. Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.

Mehr

Stetige Wahrscheinlichkeitsverteilung

Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische

Mehr

N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -

N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - - 2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.

Mehr

Mögliche Fehler beim Testen

Mögliche Fehler beim Testen Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel 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

Mehr

Lage- und Streuungsparameter

Lage- 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

Die richtige Wahl von Verteilungen

Die richtige Wahl von Verteilungen Die richtige Wahl von Verteilungen N. Schiering, ZMK GmbH Sachsen-Anhalt Agenda Einleitung Standardmessunsicherheiten Typ A und Typ B Normalverteilung Rechteckverteilung Dreieckverteilung Trapezverteilung

Mehr

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97. Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )

Mehr

Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen

Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller

Mehr

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst. Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen

Mehr

Prozesskontrolle Modul 7 Dr.-Ing. Klaus Oberste Lehn Fachhochschule Düsseldorf Sommersemester 2012 Quellen www.business-wissen.de www.wikipedia.de www.sdreher.de 2012 Dr. Klaus Oberste Lehn 2 SPC Statistische

Mehr

Kapitel 2. Fehlerrechnung

Kapitel 2. Fehlerrechnung Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik II. Statistische Tests. Statistik II Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

Chi-Quadrat Verfahren

Chi-Quadrat Verfahren Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Konfidenzintervalle. Einführung von Ac

Konfidenzintervalle. Einführung von Ac Konfidenzintervalle Einführung von Ac Problem: ( Schluss von der Stichprobe auf die Gesamtheit - Schätzen ) Von einer binomialverteilten Zufallsgröße X sei n (der Stichprobenumfang) gegeben, aber p (Erfolgswahrscheinlichkeit)

Mehr

Meßprozeß, Meßfehler und Statistik

Meßprozeß, Meßfehler und Statistik 0- Meßprozeß, Meßfehler und Statistik Vorbereitung : Begriff der Wahrscheinlichkeit, statistische Verteilungen (Binomialverteilung, Poissonverteilung, Gaussverteilung), Meßfehler und Fehlerfortpflanzung.

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Inferenzstatistik (schließende Statistik, induktive Statistik) Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät,

Mehr

Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!)

Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!) Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!) - Arithmetisches Mittel o Das arithmetische Mittel (auch Durchschnitt) ist ein Mittelwert, der als Quotient

Mehr

Rangkorrelationskoeffizient nach Spearman

Rangkorrelationskoeffizient nach Spearman Grundgesamtheit vs. Stichprobe Wer gehört zur Grundgesamtheit? Die Untersuchungseinheiten, die zur Grundgesamtheit gehören, sollten nach zeitlichen Kriterien räumlichen Kriterien sachlichen Kriterien Wie

Mehr

Die Korrelation von Merkmalen

Die 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

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

Mehr

Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag

Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag Inhalt: 1.0 Das Simulationsmodell 1 1.1 Simulation ebenen Maßketten 6 1.1.1 Simulation mit nichtlinearen Gliedern 7 1.2 Fazit

Mehr

Über den Autor 7 Über den Fachkorrektor 7. Einführung 19

Über den Autor 7 Über den Fachkorrektor 7. Einführung 19 Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen

Mehr

Grundlagen der Statistik

Grundlagen 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

Mehr

Versuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling

Versuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Versuchsplanung Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Gliederung Grundlagen der Varianzanalyse Streuungszerlegung und Modellschätzer Modellannahmen und Transformationen

Mehr

Statistische Auswertung in der Betriebsprüfung

Statistische Auswertung in der Betriebsprüfung Dr. Harald Krehl Der Einsatz verteilungsbezogener Verfahren Der Einsatz verteilungsbezogener Verfahren etwa des Benford- Newcomb Verfahrens oder der Normalverteilung bzw. der LogNormalverteilung in der

Mehr

1.8 Kolmogorov-Smirnov-Test auf Normalverteilung

1.8 Kolmogorov-Smirnov-Test auf Normalverteilung 1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt

Mehr

Über den Autor 7. Teil Beschreibende Statistik 29

Über den Autor 7. Teil Beschreibende Statistik 29 Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:

Mehr

1. Statistische Grundlagen: Überblick

1. Statistische Grundlagen: Überblick 1. Statistische Grundlagen: Überblick Stichwörter: Messprozess, Bias, Präzision, Grundgesamtheit, Stichprobe, Stichprobenrahmen, systematische Stichprobe, einfache Stichprobe, geschichtete Stichprobe,

Mehr

Arbeitsblatt 27: Normalverteilung Kerzen

Arbeitsblatt 27: Normalverteilung Kerzen Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste

Mehr

SPSS III Mittelwerte vergleichen

SPSS III Mittelwerte vergleichen SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen

Mehr

Statistik. Jan Müller

Statistik. Jan Müller Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen

Mehr

Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1

Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.

Mehr

Grundlagen der Versuchsmethodik. Datenauswertung. Datenvisualisierung

Grundlagen der Versuchsmethodik. Datenauswertung. Datenvisualisierung Grundlagen der Versuchsmethodik Datenauswertung Datenvisualisierung Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu

Mehr

Grundlagen der Statistik

Grundlagen der Statistik Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 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

Mehr

Quantifizierung in der Analytischen Chemie

Quantifizierung in der Analytischen Chemie Quantifizierung in der Analytischen Chemie in der Grundvorlesung Analytische Chemie Literatur: W. Gottwald, Statistik für Anwender, Wiley-VCH, Weinheim, 2000 Kapitel in: M. Otto, Analytische Chemie, 3.

Mehr

Testklausur Finanzmathematik / Statistik

Testklausur Finanzmathematik / Statistik Testklausur Finanzmathematik / Statistik Aufgabe - Grundlagen 0 a) Nennen Sie die charakteristische Eigenschaft einer geometrischen Zahlenfolge. b) Für eine geometrische Zahlenfolge seien das Glied a 0

Mehr

Grundlagen der statistischen Prozessregelung (SPC)

Grundlagen der statistischen Prozessregelung (SPC) Fachinformation Nr.: 2013-01 MeßTechnikNord GmbH Team Jena Prüssingstraße 41 07745 Jena Telefon: 03641-65-3780 Fax: 03641-65-3927 E-Mail: info@messtechniknord.de Internet http://www.messtechniknord.de

Mehr

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-

Mehr