WISTA WIRTSCHAFTSSTATISTIK

Größe: px
Ab Seite anzeigen:

Download "WISTA WIRTSCHAFTSSTATISTIK"

Transkript

1 WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen 1 Vorbemerkungen 2 Datenlage A: Urliste 3 Datenlage B: Merkmalsausprägungen und ihre Häufigkeit Häufigkeitstabellen Graphische Darstellung der einfachen Häufigkeit Graphische Darstellung der kumulierten Häufigkeit: Die empirische Verteilungsfunktion 4 : Klassenbildung Gruppierung, Information und Übersichtlichkeit Häufigkeitstabellen Histogramm Approximierende empirische Verteilungsfunktion 5 Grundtypen von Häufigkeitsverteilungen Literatur: Degen, Horst / Lorscheid, Peter: Statistik-Lehrbuch, München-Wien 2002, S von der Lippe, Peter: Deskriptive Statistik, Stuttgart 1993, Online-Ausgabe S Aufgaben: Abschlussklausuren WS 04/05, A1 a), b), e) WS 05/06, A1 c) WS 07/08 A2 c) bis e) WS 09/10, A1 a), b) SS 10, A3c) Prof Dr Rolf Hüpen Modul Statistik I Sommersemester 2013

2 Datenlage A Datenlage A Urliste der Beobachtungswerte jedes Merkmalsträgers i = 1,2,,n n Beobachtungswerte = x i = Urliste: Lfd Nr der Merkmalsträger Anzahl der Merkmalsträger, bei denen das Merkmal erhoben worden ist Beobachtungswert des Merkmals x beim Merkmalsträger i x 1, x 2,, x n Bei quantitativen Merkmalen können die Werte der Urliste entsprechend der Ordnung der reellen Zahlen, bei ordinal skalierten Merkmalen gemäß der größer/kleiner- Beziehung der (komparativen) Merkmale sortiert werden Man erhält dann die geordnete Urliste: x (1) x (2) x (n) Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

3 Datenlage A Zahlenbeispiel aus der Absolventenumfrage 2002 Statistische Masse: Diplom-Ökonomen des Examenstermins Frühjahr 2002 Merkmal: Lebensalter beim Examen Urliste ID-Nr i Lebensalter beim Examen x i Geordnete Urliste Lfd Nr (i) ID-Nr i Lebensalter beim Examen x (i) n = 39, Minimum = 23 Jahre, Maximum = 34 Jahre Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

4 Datenlage B Datenlage B: Häufigkeitstabellen Liste der voneinander verschiedenen Merkmalsausprägungen und deren Häufigkeit Gegeben sind: m Merkmalsausprägungen x 1,, x m m absolute Häufigkeiten h 1,, h m mit h i 0 und n = h i m i=1 n = Anzahl der Merkmalsträger, bei denen das Merkmal erhoben worden ist Definition: f i = h i n heißt relative Häufigkeit der i-ten Ausprägung x i Bei mindestens ordinal skalierten Merkmalen können auch kumulierte Häufigkeiten gebildet werden: Bezeichnung Definition Interpretation Absolute kumulierte Häufigkeit Relative kumulierte Häufigkeit H i : = F i i j=1 i j=1 h j f j = 1 n i j=1 h j = 1 n H i absolute Häufigkeit aller Beobachtungswerte mit einer Ausprägung kleiner oder gleich x i relative Häufigkeit aller Beobachtungswerte mit einer Ausprägung kleiner oder gleich x i Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

5 Datenlage B Dann kann folgende Häufigkeitstabelle aufgestellt werden: Nr Merkmalsausprägung einfache Häufigkeit kumulierte Häufigkeit absolut relativ absolut relativ i x i h i f i H i F i 1 x 1 h 1 f 1 H 1 F 1 2 x 2 h 2 f 2 H 2 F 2 m x m h m f m H m = n F m =1 Summe n 1 Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

6 Datenlage B Zahlenbeispiel Absolventenumfrage, Merkmal Alter Kontrollfragen: Nr Merkmalsausprägung einfache Häufigkeit kumulierte Häufigkeit absolut relativ absolut relativ i x i h i f i H i F i , ,0256 Wie viel Prozent der Absolventen sind 26 Jahre oder jünger? , , , , , , , , , , , , , , , , , , , , , Summe 39 1 Wie viel Prozent der Absolventen sind jünger als 26 Jahre? Wie viel Prozent der Absolventen sind 29 Jahre oder älter? Wie viel Prozent der Absolventen sind zwischen 25 und 30 Jahre alt? Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

7 Datenlage B Graphische Darstellung der einfachen Häufigkeit a) nominal skalierte Daten Stabdiagramm, Balkendiagramm Kreisdiagramm Beispiel: Wahlen zum 17 Deutschen Bundestag Beliebige Platzierung der Merkmalsausprägungen auf der x-achse Höhe der Stäbe bzw Balken proportional zu den Häufigkeiten Flächen proportional zu den Häufigkeiten Gültige Zweitstimmen in % Sitzverteilung SPD 23,0 SPD 146 CDU/CSU 33,8 CDU 194 Grüne 10,7 CSU 45 FDP 14,6 FDP 93 Die Linke 11,9 GRÜNE 68 Sonstige 6,0 Die Linke 76 Summe 100,0 Summe 622 Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

8 Anteil Zweitstimmen in Prozent Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B Wahlen zum 17 Deutschen Bundestag Stabdiagramm / Balkendiagramm: Zweitstimmenanteil Kreisdiagramm: Sitzverteilung 40,0 35,0 33,8 76 SPD 30,0 25,0 23, CDU CSU 20,0 15,0 10,0 5,0 10,7 14,6 11,9 6, FDP GRÜNE Die Linke 0,0 SPD CDU/CSU Grüne FDP Die Linke Sonstige Partei Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

9 relative Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B b) ordinal skalierte Daten Stabdiagramm Balkendiagramm Platzierung der Merkmalsausprägungen auf der x-achse nicht beliebig Höhe der Stäbe bzw Balken proportional zu den Häufigkeiten Beispiel: Klausurergebnisse Klausurergebnis Statistik I, Frühjahr % 32% 30% 25% 20% 25% 21% 15% 10% 5% 12% 10% 0% Note Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

10 absolute Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B c) kardinal skalierte Daten Betrifft bei Datenlage B praktisch nur diskrete Merkmale mit abzählbar wenigen voneinander verschiedenen Merkmalsausprägungen Stabdiagramm Balkendiagramm, Histogramm Balken unmittelbar nebeneinander Balken haben die Breite 1 Höhe der Balken proportional zu den Häufigkeiten Fläche der Balken ebenfalls proportional zu den Häufigkeiten Beispiel Klausurergebnis, Merkmal Punktzahl, Stabdiagramm: Klausurergebnis Statistik I, Frühjahr Punktzahl Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

11 Absolute Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B Beispiel Absolventenumfrage, Merkmal Alter : 12 Absolute Häufigkeit, Stabdiagramm Alter beim Examen Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

12 Relative Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B Beispiel Absolventenumfrage, Merkmal Alter : 0,30 Relative Häufigkeit, Histogramm 0,25 0,20 0,15 0,10 0,05 0, Alter beim Examen Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

13 Datenlage B d) Graphische Darstellung der kumulierten Häufigkeiten bei Datenlage B: Die empirische Verteilungsfunktion Bei mindestens intervallskalierten Merkmalen heißt die Funktion: F x = 0 für x < x 1 F i für x i x < x i+1 und i = 1,, m 1 1 für x m x empirische Verteilungsfunktion des Merkmals X und besitzt die folgenden Eigenschaften: (1) x < y F x F y (2) 0 F x 1 (3) F ist von rechts stetig und besitzt von links einen Grenzwert (4) F ist eine Treppenfunktion mit Sprungstellen x 1,, x m und Sprunghöhen f 1,, f m Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

14 Kumulierte relarive Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Datenlage B Zahlenbeispiel Absolventenumfrage, Merkmal Alter Merkmalsausprägung kumulierte Häufigkeit absolut relativ Empirische Verteilungsfunktion x i H i F i , , , , , , , , , , , ,8 0,6 0,4 0, Lebensalter beim Examen Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

15 Gruppierte Daten: Die Merkmalsausprägungen werden in Klassen zusammengefasst Voraussetzung: mindestens intervallskalierte Merkmale Gegeben sind: k Klassen G 1,, G k mit den Mittelpunkten x 1,, x k und den Grenzen a i 1, a i ) mit der Klassenbreite i = a i a i 1 und den absoluten Häufigkeiten der Klasse G i, wobei h i i = 1,, k n = k i=1 h i ist dann wieder die Anzahl der Merkmalsträger, bei denen das Merkmal erhoben wurde Regelmäßig gilt k n Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

16 Gruppierung bedeutet Gewinn an Übersichtlichkeit aber Verlust an Information Anwendung vor allem bei stetigen oder quasistetigen Merkmalen Gefahr von Verzerrungen durch Wahl der Klassenanzahl und Klassenbreite Problematik offener Randklassen Faustregeln für die Anzahl der zu bildenden Klassen: n < 100 k n Regel von Sturges: k 1 + 3,3 log (n) DIN (Blatt 1): n k Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

17 Es kann folgende Häufigkeitstabelle aufgestellt werden: Klasse Grenzen Klassen- mitte Klassenbreite einfache Häufigkeit kumulierte Häufigkeit absolut relativ absolut relativ i a i 1, a i ) x i Δ i a i a i 1 h i f i H i F i 1 a 0, a 1 ) x 1 1 h 1 f 1 H 1 F 1 2 a 1, a 2 ) x 2 2 h 2 f 2 H 2 F 2 k a k 1, a k ) x k k h k f k H k = 1 F k = 1 Summe n 1 Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

18 Zahlenbeispiel: Absolventenumfrage, Merkmal Alter beim Examen Beispiel 1: 7 Klassen, identische Breite = 2 von bis unter Mitte Breite i a i-1 a i x i i h i f i H i F i , , , , , , , , , , , , , Summe 39 1 Interpretation der Klassenhäufigkeiten z B bei Klasse i = 3: 35,9 % der Absolventen sind 26 bis unter 28 Jahre alt 56,4 % der Absolventen sind jünger als 28 Jahre Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

19 Zahlenbeispiel 2: 3 Klassen, identische Breite D = 5 i a i-1 a i x i i h i f i H i F i , , , , , , , , Summe 39 1 Zahlenbeispiel 3: 7 Klassen, unterschiedliche Breiten i a i-1 a i x i i h i f i H i F i , , , , , , , , , , , , , , Summe 39 1 Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

20 Graphische Darstellung der einfachen Häufigkeiten bei : Histogramm Darstellung der Häufigkeiten unter Beachtung der Flächenproportionalität der Balken Höhe des Rechtecks über der Klasse G i mit den Grenzen a i 1, a i )ist für absolute bzw relative Häufigkeiten wie folgt zu bestimmen: g i = h i Δ i = absolute Häufigkeitsdichte α i = f i Δ i = relative Häufigkeitsdichte Der Flächeninhalt (g i Δ i h i bzw α i Δ i f i ) ist dann proportional zu den Häufigkeiten Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

21 Relative Häufigkeitsdichte a Darstellung eindimensionaler Häufigkeitsverteilungen Zahlenbeispiel 1: 7 Klassen, identische Breite = 2 Histogramm, Klassenbreite = 2 0,30 0,25 i a i-1 a i D i f i a i = f i / D i ,0256 0, ,1795 0, ,3590 0, ,2308 0, ,1538 0, ,0256 0, ,0256 0,0128 Summe 1 0,20 0,15 35,9 % 0,10 23,1 % 0,05 18,0 % 15,4 % 0,00 2,6 % 2,6 % 2,6 % Alter beim Examen (x) Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

22 Relative Häufigkeitsdichte a Darstellung eindimensionaler Häufigkeitsverteilungen Zahlenbeispiel 2: 3 Klassen, identische Breite = 5 Histogramm, Klassenbreite D = 5 0,3 i a i-1 a i D i f i a i = f i / D i ,0513 0, ,7436 0, ,2051 0,0410 Summe 1 0,25 0,2 0,15 0,1 74,4 0,05 5,1 % 20, Alter beim Examen (x) Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

23 Relative Häufigkeitsdichte a Darstellung eindimensionaler Häufigkeitsverteilungen Zahlenbeispiel 3: 7 Klassen, unterschiedliche Breiten 0,3 Histogramm, unterschiedliche Klassenbreiten i a i-1 a i D i f i a i = f i / D i ,0513 0, ,1538 0, ,2564 0, ,2308 0, ,2051 0, ,1026 0,0256 Summe 1 0,25 0,2 25,6 % 0,15 0,1 0,05 15,4 % 23,1 % 20,5 % 10,3 % 5,1 % Alter beim Examen (x) Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

24 Graphische Darstellung der kumulierten Häufigkeit bei : Die approximierende empirische Verteilungsfunktion 0 für x < a 0 Die Funktion F x = F i 1 + f i x a Δ i 1 i für a i 1 x < a i 1 für a k x mit i = 1,, k und F 0 = 0 heißt approximierende empirische Verteilungsfunktion des Merkmals X F x besitzt die folgenden Eigenschaften: (1) x < y F(x) F(y) (2) 0 F x 1 (3) F hat die Gestalt eines Polygonzuges Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

25 Kumulierte relative Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Beispiel Absolventenumfrage, Merkmal Lebensalter: 3 Klassen, identische Breite = 5 i a i-1 a i x i D i h i f i H i F i , , , , , , , , Summe ,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, Lebensalter beim Examen Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

26 Kumulierte relative Häufigkeit Darstellung eindimensionaler Häufigkeitsverteilungen Beispiel Absolventenumfrage, Merkmal Lebensalter: 3 Klassen, identische Breite = 5 i a i-1 a i x i D i h i f i H i F i , , , , , , , , Summe ,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, Lebensalter beim Examen Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

27 F x = 0 für x < a 0 F i 1 + f i x a Δ i 1 i für a i 1 x < a i 1 für a k x mit i = 1,, k und F 0 = 0 i a i-1 a i x i D i h i f i H i F i , , , , , , , , Summe 39 1 Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

28 Kontrollfragen: F x = 0 für x < ,0513 x 20 5 für 20 x < 25 0, ,7436 x 25 5 für 25 x < 30 0, ,2051 x 30 5 für 30 x < 35 1 für 35 x Wie viel Prozent der Absolventen sind 26 Jahre oder jünger? Wie viel Prozent der Absolventen sind jünger als 26 Jahre? Wie viel Prozent der Absolventen sind 29 Jahre oder älter? Wie viel Prozent der Absolventen sind zwischen 26 und 30 Jahre? Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

29 Relative Häufigkeitsdichte Relative Häufigkeitsdichte Relative Häufigkeitsdichte Relative Häufigkeitsdichte Relative Häufigkeitsdichte Relative Häufigkeitsdichte Darstellung eindimensionaler Häufigkeitsverteilungen Grundtypen empirischer Häufigkeitsverteilungen Grundtypen empirischer Häufigkeitsverteilungen Ein-Punkt-Verteilung Gleichverteilung Unimodal, symmetrisch 1,2 1 0,8 0,6 0,4 0, ,4 0,35 0,3 0,25 0,2 0,15 0,1 0, ,4 0,35 0,3 0,25 0,2 0,15 0,1 0, Merkmalsausprägung x Merkmalsausprägung x Merkmalsausprägung x Bimodal, symmetrisch Unimodal, linkssteil Unimodal, rechtssteil 0,3 0,25 0,2 0,15 0,1 0, ,4 0,35 0,3 0,25 0,2 0,15 0,1 0, ,4 0,35 0,3 0,25 0,2 0,15 0,1 0, Merkmalsausprägung x Merkmalsausprägung x Merkmalsausprägung x Prof Dr Rolf Hüpen Modul Statistik I Sommersemester

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung

Mehr

Wahrscheinlichkeits - rechnung und Statistik

Wahrscheinlichkeits - rechnung und Statistik Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 04.06.2013 Zweidimensionale Datensätze 1. Kontingenztabelle

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff

Mehr

Kapitel 2. Häufigkeitsverteilungen

Kapitel 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

Mehr

3 Häufigkeitsverteilungen

3 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

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive

Mehr

Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1

Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1 1 Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 1 (a) Es sollen die mathematischen Vorkenntnisse der Studenten, die die Vorlesung Statistik I für Statistiker,

Mehr

Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66

Univariate 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

Mehr

Willkommen zur Vorlesung Statistik

Willkommen 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

Mehr

Verteilungen und ihre Darstellungen

Verteilungen 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

Mehr

Graphische Darstellung einer univariaten Verteilung:

Graphische 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

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches 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

Mehr

3. Deskriptive Statistik

3. 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

Mehr

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik 2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala

Mehr

Grafische Darstellung von Häufigkeitsverteilungen (1)

Grafische Darstellung von Häufigkeitsverteilungen (1) Grafische Darstellung von Häufigkeitsverteilungen () Grafische Darstellungen dienen... - Einführung - der Unterstützung des Lesens und Interpretierens von Daten. der Veranschaulichung mathematischer Begriffe

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

Deskriptive Statistik Auswertung durch Informationsreduktion

Deskriptive Statistik Auswertung durch Informationsreduktion Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,

Mehr

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: . Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial

Mehr

a 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52

a 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 =

Mehr

Mathematische Statistik. Zur Notation

Mathematische Statistik. Zur Notation Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden

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

f j = ( 2) = 5.5.

f j = ( 2) = 5.5. Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Statistik Dr. Thomas Zehrt Merkmale und Häufigkeitsverteilung Motivation In der heutigen Zeit fällt jeden Tag eine unvorstellbare Menge von Daten

Mehr

Statistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten

Statistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten Statistik 1 für SoziologInnen Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten Univ.Prof. Dr. Marcus Hudec Absolute Häufigkeiten diskreter Merkmale X sei ein diskretes

Mehr

Häufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit

Häufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche

Mehr

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa

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 GLIEDERUNG Statistik eine Umschreibung Gliederung der Statistik in zwei zentrale Teilbereiche Deskriptive Statistik Inferenzstatistik

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.

Wirtschaftswissenschaftliches 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

Mehr

4. Kumulierte Häufigkeiten und Quantile

4. Kumulierte Häufigkeiten und Quantile 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:

Mehr

Verteilungsfunktion und Quantile

Verteilungsfunktion 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

Mehr

MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK

MATHEMATIK 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

Verteilungsfunktion und Quantile

Verteilungsfunktion 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

Mehr

Häufigkeitsverteilung

Häufigkeitsverteilung 2. Eindimensionale Häufigkeitsverteilungen Thema dieses Abschnitts ist die Auswertung eindimensionalen (univariaten) Datenmaterials, d.h. Daten zu einem einzigen Merkmal einer Grundgesamtheit oder Stichprobe.

Mehr

Günther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage

Günther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung

Mehr

Anwendung A_0801_Quantile_Minimum_Maximum

Anwendung A_0801_Quantile_Minimum_Maximum 8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste

Mehr

Lösungen zu Übung 1 (Kap. 1.5) Prof. Dr.B.Grabowski

Lösungen zu Übung 1 (Kap. 1.5) Prof. Dr.B.Grabowski Lösungen zur Übung1: Skript I (Beschreibende Statistik), Kap. 1.5 Aufgabe 1 1. Sind folgende Merkmale diskret oder stetig? a) Die durch eine wahlberechtigte Person der BRD gewählte Partei bei der Bundestagswahl.

Mehr

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?

Mehr

Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter

Deskriptive 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.

Mehr

Kapitel 2. Univariate Analyse. 2.1 Darstellung univariater Datensätze Darstellung qualitativer Merkmale

Kapitel 2. Univariate Analyse. 2.1 Darstellung univariater Datensätze Darstellung qualitativer Merkmale Kapitel 2 Univariate Analyse Wir wollen nun Strukturen in Datensätzen finden. Dabei betrachten wir zunächst jeweils nur ein Merkmal. Man spricht auch von univariater Datenanalyse. Jede Analyse beginnt

Mehr

Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe

Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (X = 2) = 1/36, P (X = 3) = 2/36,... 2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel

Mehr

1 Verteilungen und ihre Darstellung

1 Verteilungen und ihre Darstellung GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen

Mehr

Statistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten. Univ.Prof. Dr.

Statistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten. Univ.Prof. Dr. Statistik 1 für SoziologInnen Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten Univ.Prof. Dr. Marcus Hudec Absolute Häufigkeiten diskreter Merkmale X sei ein diskretes

Mehr

Statistik I für Betriebswirte Vorlesung 10

Statistik 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

Mehr

Verteilungsfunktion und dquantile

Verteilungsfunktion 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

Das Histogramm, bzw. Stabdiagramm / Histogramm / Balkendiagramm

Das Histogramm, bzw. Stabdiagramm / Histogramm / Balkendiagramm Histogram / Histogramm / histogram Akademische Disziplin der Statistik/academic field of statistics/ la discipline statistique/estadística/disciplina academica della statistica deskriptive Statistik/descriptive

Mehr

Kapitel 3: Eindimensionale Häufigkeitsverteilungen

Kapitel 3: Eindimensionale Häufigkeitsverteilungen Kapitel 3: Eindimensionale Häufigkeitsverteilungen. Unklassierte Daten...29 a) Häufigkeitsverteilung...29 b) Tabellen und Graphiken...3 c) Summenhäufigkeiten...34 2. Klassierte Daten...38 a) Größenklassen...38

Mehr

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Tutorial: Balken- und Tortendiagramm

Tutorial: Balken- und Tortendiagramm Tutorial: Balken- und Tortendiagramm In der Tabelle ist die Notenverteilung von 510 Teilnehmern an Mathematik Proseminaren angegeben (NA bedeutet einen unbekannten Wert). Der Sachverhalt sollte in zwei

Mehr

Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens

Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2014 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:

Mehr

3. Merkmale und Daten

3. Merkmale und Daten 3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition

Mehr

Tabellarische und graphie Darstellung von univariaten Daten

Tabellarische 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

Mehr

Deskriptive Statistik

Deskriptive Statistik Seminar für Statistik Universität Mannheim Lösungen zu den Zusatzaufgaben der Veranstaltung Deskriptive Statistik Lösung zu Zusatzaufgabe 1 In einem Histogramm mit Klassenbreiten b i und Säulenhöhen h

Mehr

Angewandte Statistik mit R

Angewandte Statistik mit R Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis

Mehr

Fachrechnen für Tierpfleger

Fachrechnen 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:

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik Wahrscheinlichkeitsrechnung und Statistik Für Ingenieurstudenten an Fachhochschulen von Michael Sachs erweitert Wahrscheinlichkeitsrechnung und Statistik Sachs schnell und portofrei erhältlich bei beck-shopde

Mehr

Statistik. Ronald Balestra CH St. Peter

Statistik. Ronald Balestra CH St. Peter Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........

Mehr

Statistik I Statistik II

Statistik I Statistik II MARTIN-LUTHER-UNIVERSITÄT HALLE-WITTENBERG Juristische und Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Statistik PD Dr. Joachim Wilde Prof. Dr. Claudia Becker Statistik I Statistik II Wintersemester

Mehr

Modul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik

Modul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten

Mehr

Statistik I im Sommersemester 2006

Statistik I im Sommersemester 2006 Statistik I im Sommersemester 2006 Themen am 23.4.2007: Univariate Häufigkeitsverteilungen I Darstellung univariater Verteilungen in Häufigkeitstabellen Verteilungsfunktionen und Quantile Grafische Darstellungen

Mehr

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population

Mehr

Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik. Dozent: Fabian Scheipl Material: H. Küchenhoff LMU München

Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik. Dozent: Fabian Scheipl Material: H. Küchenhoff LMU München Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik Dozent: Fabian Scheipl Material: H. Küchenhoff LMU München 1 Univariate deskriptive Statistik 80 Deskriptive Statistik Data

Mehr

Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik. Univariate deskriptive Statistik. Rohdaten und Datenmatrix

Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik. Univariate deskriptive Statistik. Rohdaten und Datenmatrix Vorlesung: Statistik I für Studierende der Statistik, Mathematik & Informatik Univariate deskriptive Statistik Dozent: Fabian Scheipl Material: H. Küchenhoff LMU München 80 Deskriptive Statistik Rohdaten

Mehr

Deskriptive Statistik

Deskriptive Statistik Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen

Mehr

Grundlagen der Statistik

Grundlagen der Statistik Grundlagen der Statistik Übung 2 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe

Mehr

Statistik Grundbegriffe

Statistik Grundbegriffe Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene

Mehr

3.1 Zusammenhang zwischen einem qualitativen und einem quantitativen Merkmal

3.1 Zusammenhang zwischen einem qualitativen und einem quantitativen Merkmal Kapitel 3 Bivariate Analyse In Kapitel 2 haben wir gesehen, wie man ein Merkmal auswertet. Mit Hilfe statistischer Verfahren kann man aber auch untersuchen, ob zwischen mehreren Merkmalen Abhängigkeiten

Mehr

Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung).

Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). a) Die Anzahl der voneinander verschiedenen Beobachtungswerte eines statistischen Merkmals

Mehr

Statistik Sommersemester Dr. Matthias Arnold

Statistik Sommersemester Dr. Matthias Arnold Statistik Sommersemester 2012 Dr. Matthias Arnold Vorlesung Vorlesung: Mi 12.15 13.45, Audimax Dr. Matthias Arnold Raum 163 in LG 1 matthias.arnold@uni-erfurt.de Tel.: 0361/737-4592 Sprechstunde: Mittwoch

Mehr

4 Konzentrationsmessung

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

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

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.)

Dr. 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

Mehr

Leseprobe. Michael Sachs. Wahrscheinlichkeitsrechnung und Statistik. für Ingenieurstudenten an Fachhochschulen. ISBN (Buch):

Leseprobe. Michael Sachs. Wahrscheinlichkeitsrechnung und Statistik. für Ingenieurstudenten an Fachhochschulen. ISBN (Buch): Leseprobe Michael Sachs Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen ISBN (Buch): 978-3-446-43797-5 ISBN (E-Book): 978-3-446-43732-6 Weitere Informationen oder Bestellungen

Mehr

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Deskriptive Statistik

Deskriptive Statistik Dr. T. Deutler Seminar für Statistik UIVERSITÄT MAHEIM Beispiele, Tabellen, Grafiken und Formeln zur Veranstaltung Deskriptive Statistik Übersichtsschema Merkmalarten Merkmalart qualitativ quantitativ

Mehr

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig

Vorlesungsskript. 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

Mehr

Statistik I WS 2014/2015. Prof. Dr. Walter Krämer

Statistik I WS 2014/2015. Prof. Dr. Walter Krämer Statistik I WS 2014/2015 Prof. Dr. Walter Krämer Organisatorisches Dozenten: Vorlesung: Prof. Dr. Walter Krämer Übungen: Dipl.-Stat. Marianthi Neblik cand.stat. Eva-Maria Becker cand.stat. Nicole Dauzenroth

Mehr

Deskriptive Statistik und Wahrscheinlichkeitsrechnung

Deskriptive Statistik und Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Vorlesung an der Universität des Saarlandes Dr. Martin Becker Sommersemester 2014 Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie

Mehr

3 Lage- und Streuungsmaße

3 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

Mehr

Rumpfskript. Deskriptive Statistik. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Rumpfskript. Deskriptive Statistik. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Rumpfskript Deskriptive Statistik Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern ist auch nur

Mehr

Grundlagen der Statistik I

Grundlagen der Statistik I NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis

Mehr

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5 Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung

Mehr

Analyse klassierter Daten: Vor der Analyse fasst man jeweils mehrere Merkmalsausprägungen in (Merkmalswerte-)Klassen zusammen.

Analyse klassierter Daten: Vor der Analyse fasst man jeweils mehrere Merkmalsausprägungen in (Merkmalswerte-)Klassen zusammen. 4. Analyse univariater Daten: Übersicht Mathematik ist die Wissenschaft der reinen Zahl, Statistik die der empirischen Zahl Von univariaten Daten spricht man, wenn bei der Datenerhebung nur ein Merkmal

Mehr

Beschreibende Statistik

Beschreibende Statistik Beschreibende Statistik Daten graphisch darstellen 21. April 2009 Dr. Katja Krüger Universität Paderborn Grundlagen der Schulmathematik SoSe 2009 1 Daten graphisch darstellen warum? Die rasche und sichere

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 2. Beschreibende Statistik (descriptive Statistics) Literatur Kapitel 2 * Storrer: Kapitel 29-31 * Stahel: Kapitel 1-3 * Statistik in Cartoons:

Mehr

Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/

Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/ Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................

Mehr

Beschreibende Statistik

Beschreibende Statistik Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Michael Sachs Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen 2., erweiterte Auflage Mathematik-Studienhilfen Inhaltsverzeichnis 1 Wozu Statistik?...7 2 Beschreibende

Mehr

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten

Mehr

Skript zur Vorlesung Statistik

Skript zur Vorlesung Statistik Skript zur Vorlesung Statistik Dietrich Baumgarten 9. April 2009 Inhaltsverzeichnis 1 Grundlagen 7 1.1 Die zwei Begriffe der Statistik........................ 7 1.2 Gliederung einer statistischen Erhebung..................

Mehr

Beispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)

Beispiel 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

Mehr

Universitätslehrgang Sports Physiotherapy Einführung in die Statistik. Deskriptive Statistik. Deskriptive Statistik. 1.Tabellen.

Universitätslehrgang Sports Physiotherapy Einführung in die Statistik. Deskriptive Statistik. Deskriptive Statistik. 1.Tabellen. Department of Sport Science and Kinesiology Block 1 Universitätslehrgang Sports Physiotherapy Einführung in die Statistik Gerda Strutzenberger Block I Mittwoch 15.2.2012 13:00 bis 14:50 Grundlagen, Skalenniveau

Mehr

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n

Lösung 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=

Mehr

1 Einführung und Grundbegriffe

1 Einführung und Grundbegriffe 1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen

Mehr

Tabellarische und Graphische Darstellung des Materials

Tabellarische und Graphische Darstellung des Materials Tabellarische und Graphische Darstellung des Materials Die Darstellung der Daten ist (neben deren Zusammenfassung in den weiter unten behandelten statistischen Kennwerten) Aufgabe der beschreibenden Statistik.

Mehr

Übungsaufgaben, Statistik 1

Übungsaufgaben, Statistik 1 Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama

Mehr