4. Kumulierte Häufigkeiten und Quantile
|
|
- Falko Bachmeier
- vor 7 Jahren
- Abrufe
Transkript
1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung: Wie groß ist der Anteil aller Merkmalsträger mit einem Merkmalswert größer (bzw. kleiner) als ein bestimmter Wert x? Hierzu summiert man die Häufigkeitstabelle schrittweise auf. Hinweis: Sinnvolle Kumulation erfordert, dass das Merkmal zumindest ordinal skaliert ist! Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 2 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten (klassierte Daten) Bereich n i h i N i H i Kumulierte Häufigkeiten (klassierte Daten) Bereich ni hi Ni Hi Statistik für SoziologInnen 3 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 4 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Die absoluten kumulierten relativen Häufigkeiten geben an, wie viele Beobachtungen einen bestimmten Wert x nicht übertreffen. N(X x) z.b. 56 Studenten sind kleiner gleich 175 cm Die entsprechenden relativen kumulierten Häufigkeiten bezeichnen wir mit H(X x)=n(x x)/n z.b. 76% der Studenten sind kleiner gleich 180 cm Sie geben uns den Anteil der Beobachtungen mit einem Wert kleiner gleich x an. Die empirische Verteilungsfunktion F(x) ist definiert durch F(x)= H(X x) Kumulierte Häufigkeiten (Einzeldaten) rel. kumul. Rel. rel. kumul. Rel. Größe Häufigkeit Häufigkeit Häufigkeit Größe Häufigkeit Häufigkeit Häufigkeit ,00 0, , ,05 0, ,00 0, ,03 0, ,00 0, ,03 0, ,01 0, ,05 0, ,01 0, ,01 0, ,01 0, ,04 0, ,00 0, ,02 0, ,01 0, ,02 0, ,00 0, ,02 0, ,00 0, ,02 0, ,03 0, ,04 0, ,01 0, ,03 0, ,02 0, ,00 0, ,01 0, ,01 0, ,03 0, ,00 0, ,03 0, ,00 0, ,04 0, ,00 0, ,03 0, ,00 0, ,02 0, ,01 0, ,02 0, ,01 0, ,05 0, ,01 1, ,03 0, ,00 1, ,04 0, ,00 1, ,07 0, ,00 1, ,05 0, ,04 0,56 Kumulierte relative Häufigkeiten ~ Empirische Verteilungsfunktion Statistik für SoziologInnen 5 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 6 4. Kumulierte Häufigkeiten und Quantile 1
2 Empirische Verteilungsfunktion Empirische Verteilungsfunktion (Leseprobe) 1,00 0, ,40 0,20 0,00 Graphische Darstellung ~ Treppenfunktion % < Statistik für SoziologInnen 7 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 8 4. Kumulierte Häufigkeiten und Quantile Eigenschaften der empirischen Verteilungsfunktion Treppenfunktion Bei jedem beobachteten Wert findet sich ein vertikaler Anstieg Die Höhe des Anstiegs beim Wert x i ist n(x=x i )/n = h(x i ) gleich der relativen Häufigkeit dieses Wertes Hohe Sprünge ~ häufiger Wert Steiler Verlauf ~ hohe Wertedichte Unterschiedliche Sprunghöhen 1,00 0,80 0,40 0,20 h(x=174)=0.05 h(x=163)= , Statistik für SoziologInnen 9 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Eigenschaften der emp. Verteilungsfunktion Treppenfunktion Bei jedem beobachteten Wert findet sich ein vertikaler Anstieg Die Höhe des Anstiegs beim Wert x i ist n(x=x i )/n = h(x i ) Hohe Sprünge ~ häufiger Wert Steiler Verlauf ~ hohe Wertedichte Treten in einem Wertebereich keine Werte auf, so verläuft die empirische Verteilungsfunktion in diesem Bereich horizontal Empirische Verteilungsfunktion keine Werte 158 bzw Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile kg 2
3 Eigenschaften der emp. Verteilungsfunktion Treppenfunktion Bei jedem beobachteten Wert findet sich ein vertikaler Anstieg Die Höhe des Anstiegs beim Wert x i ist n(x=x i )/n = h(x i ) Hohe Sprünge ~ häufiger Wert Steiler Verlauf ~ hohe Wertedichte Treten in einem Wertebereich keine Werte auf, so verläuft die emp. Verteilungsfunktion in diesem Bereich horizontal Die emp. Verteilungsfunktion ist monoton steigend Die Funktionswerte liegen zwischen 0 und 1 Kumulierte Häufigkeiten (klassierte Daten) Bereich n i h i N i H i Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Verteilungsfunktion bei klassierten Daten 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 H(175)=0,56 H(170)=0,33 Klassenobergrenze Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Verteilungsfunktion bei klassierten Daten Bei klassierten Daten können exakte Werte nur an den oberen Klassengrenzen bestimmt werden Ein näherungsweise Bestimmung der Werte der Verteilungsfunktion kann unter der Annahme der Gleichverteilung innerhalb der Klassen, mittels linearer Interpolation erfolgen In der Graphik bedeutet dies, dass wir die Punkte durch Geradenstücke zu einer durchgezogenen Linie verbinden Die Steigung dieser Geradenstücke entspricht der Dichte in der Klasse Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Summenkurve 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 H(175)=0,56 H(170)=0,33 Verteilungsfunktion bei klassierten Daten (Beispiel) Aus der Tabelle könne wir folgende Informationen ablesen 56% der Studenten sind kleiner gleich 175 cm 33% der Studenten sind kleiner gleich 170 cm Frage: Wieviel % der Studenten sind kleiner gleich 172 cm? Exakte Antwort aus klassierten Daten nicht mehr möglich Näherungsweise Lösung: Lineare Interpolation 0, Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile 3
4 Interpolation Anwendung des Strahlensatzes Funktionswerte der Summenkurve an der Stelle x: F(x)=+y y : (-) = (x- ) : (o i - ) h i = - x x b i = (o i - ) Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Anwendung des Strahlensatzes y : (-) = (x- ) : (o i - ) y : h i = (x- ) : b i F(x) = + (x- )/ b i *h i x h i = - Beispiel F(x) = + (x- )/ b i *h i F(172) = 0,33 + 2/5*0,23 = 0,33+0,092=0,422 =0,33 x=172 =0,56 h i = - =0,23 b i = (o i - ) b i = (o i - ) =5 =170 o i =175 Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Empirische Verteilungsfunktion bei diskreten Merkmalen Beispiel: "Produktives Denken" i x i h i H(X x i ) 1 0 0,00 0, ,00 0, ,00 0, ,06 0, ,10 0, ,32 0, ,24 0, ,23 0, ,05 0, ,01 1,00 Gesamt 1 Empirische Verteilungsfunktion "Produktives Denken" 1,000 0, ,400 0,200 Beachte: Bei diskreten Merkmalen ist eine Interpolation nicht zulässig! 72% aller Testteilnehmer haben einen Wert kleiner gleich 7 erzielt 0, Hier gibt nur die Treppenkurve ein korrektes Bild der Verteilung Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile 4
5 Empirische Quantile Ausgehend von einem Anteilswert p (y-achse) wird der zugehörige Wert bestimmt, für den F(x) zum erstenmal größer als oder zumindest gleich groß wie p ist. Das bedeutet ein p-quantil ist jener möglichst kleine Merkmalswert für den gerade noch gilt, dass p-prozent der Beobachtungen kleiner gleich als eben dieser Merkmalswert sind. 0 < p < 1 Datensatz: x 1,..., x n Das Empirische p-quantil x p ist der kleinste Wert x für den F(x) p gilt. Seien x (1),... x (n) die geordneten Werte: x p =x (k),, wobei k wie folgt gegeben ist: (k-1)/n < p k/n Beispiele zu empirischen Quantilen Gesucht ist ein Wert, so dass 95% der Studenten kleiner gleich diesem Wert sind Datensatz Körpergröße n=100 x 0,95 =? (k-1)/n < p k/n (k-1) < np k (k-1) < 95 k ==> k=95 x 0,95 = 188 Datensatz produktives Denken n=120 x 0, 50 =? (k-1) < 60 k ==> k=60 x 0,50 = 7 Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Bestimmung des Quantils 1,00 Wichtige Quantile Einige wichtige Quantile, die häufig kommuniziert werden tragen einen eigenen Namen: 0,80 Terzile x 0,33 x 0,66 F(X=188)=0,96 Quartile x 0,25 x 0,5 x 0,75 Dezile x 0,1... x 0,9 0,40 0,20 0, Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Empirische Quantile Beispiel: Körpergröße (Originalwerte) 1.Quartil = x Quartil = x 0.50 Empirische Quantile bei klassierten Daten Bei klassierten Daten ergibt sich das p-quantil durch Interpolation Ausgangspunkt ist jene Klasse, in der die kumulierten Häufigkeiten den p-wert übersteigen 3.Quartil 3Quat = x Five Numbers Summary Min. 1st Qu. 2nd Qu. 3rd Qu. Max x (1) x (25) x (50) x (75) x (100) Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile 5
6 Bestimmung des 0,5 Quantils Bereich n i h i N i H i Empirische Quantile bei klassierten Daten y : b i = (p-) : h i x p = + (p-)/ h i *b i p y b i = (o i - ) h i = - Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Empirische Quantile bei klassierten Daten y : 5= (0,5-0,33): 0,23 =0,56 X 0,5 = ,17/0,23*5=173,7 h i = - =0,23 p=0 0,5 =0,33 y b i = ( ) = Box-Plots Basierend auf den 5 zusammenfassenden Werten einer Verteilung: Minimum, 1.Quartil, 2.Quartil, 3.Quartil und Maximum lassen sich instruktive Graphiken zur Darstellung einer Verteilung entwickeln, die insbesondere zum Vergleich mehrerer Gruppen gut geeignet sind. Häufig werden die horizontal begrenzenden Linien nicht bis zum Minimum und Maximum der Daten gezogen. Die Balkenlänge wird mit der 1,5-fachen Boxhöhe begrenzt und extreme Datenwerte werden extra markiert. Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Boxplot Maximum Boxplot Maximum bzw. Obergrenze Oberes Quartil Mittleres Quartil maximal 1,5-fache Boxlänge 75% Quantil Median 25% Quantil Unteres Quartil Minimum Minimum bzw. Untergrenze Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile 6
7 Beispiel einer rechtsschiefen Verteilung Beispiel einer linksschiefen Verteilung x.r x.l Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Vergleich zweier Verteilungen Vergleich zweier Verteilungen Insbesondere beim Vergleich von Verteilungen ist der Boxplot oft übersichtlicher als das Histogramm Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Body Mass Index (BMI) distributions - SABOR participants African-American Caucasian, Non-Hispanic Body Mass Index (BMI) distributions SABOR participants Fre equency Hispanic Other BMI Graphs by RaceEthDesc Histogramm BMI African-American Caucasian, Non-Hispanic Hispanic Box-Plots Other Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen Kumulierte Häufigkeiten und Quantile 7
4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
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
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
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
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
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
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
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
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
Mehr2 Häufigkeitsverteilungen
2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation An n Einheiten ω 1,,ω n sei das Merkmal X beobachtet worden x 1 = X(ω 1 ),,x n = X(ω n ) Also
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
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
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
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)
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 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
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
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
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Häufigkeiten und ihre Verteilung, oder: Zusammenfassende Darstellungen einzelner Variablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen
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
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
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
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrGrafische Darstellung von Häufigkeitsverteilungen (1)
Grafische Darstellung von Häufigkeitsverteilungen () Grafische Darstellungen dienen... - Einführung - der Unterstützung des Lesens und Interpretierens von Daten. der Veranschaulichung mathematischer Begriffe
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrDeskriptive Statistik Aufgaben und Lösungen
Grundlagen der Wirtschaftsmathematik und Statistik Aufgaben und en Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen Inhaltsverzeichnis 1 Daten und Meßskalen 5 1.1 Konkrete Beispiele...................................
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 ( )
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrDr. Reinhard Vonthein, Dipl. Statistiker (Univ.)
Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein
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
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
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
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.
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:............................................................................
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 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:............................................................................
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
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
MehrDiskrete Zufallsvariablen (Forts.) I
9 Eindimensionale Zufallsvariablen Diskrete Zufallsvariablen 9.4 Diskrete Zufallsvariablen (Forts.) I T (X ) ist endlich oder abzählbar unendlich, die Elemente von T (X ) werden daher im Folgenden häufig
MehrDiskrete Zufallsvariablen (Forts.) I
9 Eindimensionale Zufallsvariablen Diskrete Zufallsvariablen 9.4 Diskrete Zufallsvariablen (Forts.) I T (X ) ist endlich oder abzählbar unendlich, die Elemente von T (X ) werden daher im Folgenden häufig
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter
MehrStatistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
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
Mehr4. Auswertung eindimensionaler Daten
4. Auswertung eindimensionaler Daten Ziel dieses Kapitels: Präsentation von Methoden zur statistischen Auswertung eines einzelnen Merkmals 64 Bezeichnungen (Wiederholung): Merkmalsträger: e 1,..., e n
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige
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.
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe Welche der folgenden Aussagen sind richtig? (a) Richtig, die Varianz ist eine Summe quadratischer Größen. (b) Falsch, die Abweichung ordinaler Merkmale vom Median ist nicht definiert - also auch
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrLage- und Streuungsmaße
Statistik 1 für SoziologInnen Lage- und Streuungsmaße Univ.Prof. Dr. Marcus Hudec Streuungsmaße Statistische Maßzahlen, welche die Variabilität oder die Streubreite in den Daten messen. Sie beschreiben
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
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
MehrStandardnormalverteilung
Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative
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
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2008 Stichproben Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrTabellarische und graphie Darstellung von univariaten Daten
Part I Wrums 1 Motivation und Einleitung Motivation Satz von Bayes Übersetzten mit Paralleltext Merkmale und Datentypen Skalentypen Norminal Ordinal Intervall Verältnis Merkmalstyp Diskret Stetig Tabellarische
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
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
MehrMarcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
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 =
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrMerkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum
1 Merkmalstypen Quantitativ: Geordnete Werte, Vielfache einer Einheit Stetig: Prinzipiell sind alle Zwischenwerte beobachtbar Beispiele: Gewicht, Größe, Blutdruck Diskret: Nicht alle Zwischenwerte sind
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
MehrMittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %
3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
Mehr1 Beschreibende Statistik
1 1 Beschreibende Statistik In der beschreibenden Statistik geht es darum, grosse und unübersichtliche Datenmengen so aufzubereiten, dass wenige aussagekräftige Kenngrössen und Graphiken entstehen. 1.1
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
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
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=
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
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
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-09 In der LV Statistik 1 haben wir auch den Zusammenhang von 2 Variablen untersucht. Hier werden die dazugehörenden R-Befehle
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Gliederung 1 : Einführung 2 Differenzieren 2 3 Deskriptive 4 Wahrscheinlichkeitstheorie
MehrBeschreibung von Daten
Kapitel 2 Beschreibung von Daten In diesem Kapitel geht es um die Beschreibung von empirisch erhobenen Daten Größere Datenmengen sind schwer zu überblicken Weil ein Bild leichter als eine Ansammlung von
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:.............................................................................
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2010
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 010 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrSkript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen
Skript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen Ziel: Charakterisierung der Verteilung einer Variablen. Je nach Variablentyp geschieht dies durch Häufigkeitsauszählung und Modus (Nominale
MehrBeide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.
Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite
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
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,
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
MehrMATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK
MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK PROF. DR. CHRISTINA BIRKENHAKE Inhaltsverzeichnis 1. Merkmale 2 2. Urliste und Häufigkeitstabellen 9. Graphische Darstellung von Daten 10 4. Lageparameter 1
Mehr