Statistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten
|
|
- Marie Schuler
- vor 7 Jahren
- Abrufe
Transkript
1 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 Merkmal mit den Realisationsmöglichkeiten x i, wobei i=1,...,k X sei ein qualitatives Merkmal, das entweder eine Nominal- oder eine Ordinalskala aufweist Die Anzahl des Vorkommens von x i in einer Population heißt absolute Häufigkeit: n(x=x i ) bzw. kurz n i n() Zählfunktion 2 1
2 Beispiel: Personalbeurteilung (Schlittgen p.13 ff) n=120 Beurteilungsbögen Merkmal: "Produktives Denken" Ausprägungen x i (k=10): 0... sehr gering bis 9... sehr gut ausgeprägt Skalenniveau: Ordinal Urliste: Häufigkeitstabelle (absolute Häufigkeiten) i x i n i Gesamt 120 i laufender Index x i Ausprägungen n i Häufigkeiten 4 2
3 Relative Häufigkeiten diskreter Merkmale Die relative Häufigkeit h i von einer Merkmalsausprägung x i ist: die absolute Häufigkeit n i der Merkmalsausprägung x i dividiert durch die Gesamtzahl der Merkmalsträger n n( X = xi) ni h( X = xi) = hi n n n = k i= 1 k n i h i= 1 i = 1 5 Häufigkeitstabelle (absolute & relative Häufigkeiten) i x i n i h i h i in % ,00 0,00% ,00 0,00% ,00 0,00% ,06 5,83% ,10 10,00% ,32 31,67% ,24 24,17% ,23 22,50% ,05 500% 5,00% ,01 0,83% Gesamt ,00% In der Praxis werden die relativen Häufigkeiten oft mit 100 multipliziert und als Prozentwerte dargestellt 6 3
4 Stabdiagramm: Produktives Denken hi Säulendiagramm: Produktives Denken t Absolute Häufigkei Beurteilung "Produktives Denken" 8 4
5 3-dimensionales Säulendiagramm Beurteilung produktives Denken 9 Kontraproduktives Design Datenreihen1 10 5
6 4 Leitregeln für statistische Graphiken Eine statistische Graphik sollte möglichst selbsterklärend sein. Möglichst exakte Angabe der Datenquelle bzw. der Grundgesamtheit. Es sollte möglich sein, auf die zugrundeliegenden numerischen Daten rückschließen zu können Gitterlinien, Wertangaben Die erste optische Wahrnehmung muss die tatsächlichen Größenordnungen korrekt widerspiegeln. Menschen nehmen Flächen wahr Flächen müssen die Quantität reflektieren Die Graphik soll optisch attraktiv sein, aber eine klare Botschaft vermitteln. Erwecken des Interesses des Betrachters 11 Vier zentrale Prinzipien statistischer Graphiken Selbsterklärend (Qualitative Information) Numerische Transparenz (Quantitative Information) Graphische Integrität (Korrektheit der Information) Optische Attraktivität (Anziehungskraft) Mehr dazu im Kapitel 3. Statistische Graphiken 12 6
7 Daten aus Kühnel & Krebs p.44 Frage nach der Einschätzung der Wirtschaftlage in Deutschland (1996) Ausprägung Code Häufigkeit sehr gut 1 30 gut teils/teils schlecht sehr schlecht keine Antwort Daten aus Kühnel & Krebs p.44 - mit Excel aufbereitet Frage nach der "Einschätzung der allgemeinen Witschaftslage in der Bundesrepublik Deutschland" Gültige Kumulierte Ausprägung Code Häufigkeit Prozente Prozente Prozente sehr gut ,9% 0,9% 0,9% gut ,4% 12,4% 13,3% teils/teils ,6% 48,9% 62,2% schlecht ,9% 31,1% 93,4% sehr schlecht ,6% 6,6% 100,0% keine Antwort ,7% Missing Total ,0% 100,0% Gültige Fälle: Fehlende Fälle: 24 Quelle: Allbus 1996 Die gültigen Prozentwerte beziehen die absolute Häufigkeit gültiger Antworten auf die Gesamtzahl aller gültigen Antworten 14 7
8 Säulendiagramm mit absoluten Häufigkeiten 15 Säulendiagramm mit relativen Häufigkeiten 16 8
9 Umgang mit fehlenden Antworten 3 Monate vor der Fußball-WM 2006 war die Kampagne der Bild-Zeitung gegen den Bundestrainer Jürgen Klinsmann in vollem Gange. Auf der Online-Ausgabe "bild.de" konnte man bei der Sonntags-Frage zur WM am nachlesen: "Nur fünf Prozent sind sehr zufrieden mit Klinsmann 17 Korrekte Darstellung 5% aller Befragten ~ 6,9% aller Antwortenden Beachte: Keine Angabe über die Zahl der Respondenten Repräsentativität? Unzufriedene äußern sich z.b. wesentlich häufiger in Web-Foren Manipulation: 54,1% der Antworter sind mit Klinsmann zufrieden oder sogar sehr zufrieden 18 9
10 Imputation fehlender Werte Imputationsmethoden haben das Ziel fehlende Werte möglichst sinnvoll zu ergänzen Grundgedanke ist dabei das Ausnützen von Abhängigkeiten zwischen Merkmalen Unterschiedliche Ergebnisse bei politischen Meinungsumfragen unterscheiden sich häufig nur in der methodischen Behandlung fehlender Werte: Wie werden die Unschlüssigen bzw. die Antwortverweigerer aufgeteilt? Vergleiche in der jüngeren österreichischen Geschichte die Unterschätzung der FPÖ unter J. Haider in vielen Meinungsumfragen vor Wahlen 19 Absolute oder relative Häufigkeiten? Für Vergleichszwecke eignen sich relative Häufigkeiten natürlich besser Bei Stichproben interessieren meist die Anteile (~relativen Häufigkeiten), aber der Umfang der Stichprobe muss unbedingt kommuniziert werden, um die Relevanz der Ergebnisse beurteilen zu können. Absolute Häufigkeiten kommunizieren stärker die Betroffenheit: Im Jahresdurchschnitt 2006 gab es in Österreich laut AMS als arbeitslos vorgemerkte Personen Im Jahresdurchschnitt 2006 betrug laut AMS die Arbeitslosenquote 6,8% 20 10
11 Beispiel: Verteilung der Vegetation (Schlittgen p.17) Nadelwälder 2% Bruchwälder 6% Gebüsche 14% Auwälder 29% Laubmischwälder 49% 21 Balkendiagramm (Barchart) 22 11
12 Tortendiagramm (Piechart) Nadelwälder Bruchwälder 2% 6% Gebüsche 14% Laubmischwälder 49% Auwälder 29% 23 Häufigkeitsverteilung bei einem stetigen Merkmal Stetiges Merkmal X mit vielen unterschiedlichen Ausprägungen Grundgesamtheit von n Merkmalsträgern x x,, 1, 2 x n Urliste der Körpergröße von 100 Studenten:
13 Erster Schritt: Ordnen der Daten Geordnete Stichpobe: x ( 1), x ( 2 ),, x ( n ) Standardgraphik mit Excel Säulendiagramm Auf der horizontalen Achse wird die Merkmalsskalierung nicht korrekt widergegeben 26 13
14 Visualisierung der Verteilung der Größen Korrektes Stabdiagramm 27 Beispiel aus der Praxis: Die x-achse ist nicht konstant skaliert; links 10- Jahresveränderungen, danach jährliche Veränderungen 28 14
15 Visualisierung der Verteilung der Größen Ein Dot-Plot ist eine einfache statistische Graphik für die Darstellung der Verteilung kleinerer bis mittlerer Datensätze. Visualisierung von Werte-Cluster bzw. von Lücken in der Verteilung sowie für das Aufzeigen extremer Einzelbeobachtungen (Ausreißer). Körpergröße 29 Stem & Leaf-Diagram (Stengel-Blatt Diagramm) N = 100 Median = 174 Spaltenwerte in Einheiten von : : : : : : : : : 0 19 : 567 Semigraphische Technik: Systematisches Aufschreiben der Werte, so dass sich ein Bild der Verteilung ergibt Alle Einzelwerte bleiben exakt erhalten Nur für kleinere Datensätze geeignet 30 15
16 Stemleaf-Diagramm mit Häufigkeiten N = 100 Median = 174 Spaltenwerte in Einheiten von : : : : : : : : : : 567 Absolute Häufigkeiten Kumulierte Häufigkeiten 31 Stemleaf-Diagramm Abstrahiert man von den konkreten Werten und achtet nur auf die Form der Verteilung, ergibt sich das Histogramm 32 16
17 Histogramm Das Bild erinnert an ein Säulendiagramm. Im Gegensatz dazu kommt aber der horizontalen Achse eine geänderte Bedeutung zu. Numerische Skala! 33 Häufigkeitstabelle bei stetigen Merkmalen Klassierung (Klassifizierung): Einteilung des Wertevorrates (Realisationsmöglichkeiten der Merkmalsausprägungen) g in nicht überschneidende angrenzende Klassen Nach Möglichkeit gleiche Breite! Absolute Häufigkeit der Klasse ist die Anzahl der Realisationen mit Werten, die zu dieser Klasse gehören: Klasse i sei definiert durch (u i,o i ] ( ) n(u i <X o i )=n i eindeutige Zuordnung durch halboffene Intervalle Relative Häufigkeit der Klasse h(u i <X o i )=n i /n=h i 34 17
18 Häufigkeitstabelle für klassifizierte Daten Bereich n i h i 150+ bis , bis , bis , bis , bis , bis , bis , bis , bis , bis ,02 Gesamt Histogramm Ein Histogramm ist die graphische Darstellung einer Häufigkeitstabelle, die sich durch die Klassierung eines stetigen Merkmals in Intervalle ergibt Körpergröße 36 18
19 Histogramm mit Polygonzug Polygonzug
20 Tabellen in der Praxis In der Praxis sind Häufigkeitstabellen oft der Ausgangspunkt einer empirischen Untersuchung (Sekundärdaten) Achtung: Klassierte Daten haben nicht 1:1 den selben Informationsgehalt wie die Originaldaten, da die Verteilung innerhalb der Klassen unbekannt ist (vgl. Informationsgehalt von Stem & Leaf-Diagramm und Histogramm) Problem offener Klassen: z.b.: monatl. Einkommen größer als ,- Generell: Ungleich große Klassenbreiten erfordern eine adäquate graphische Darstellung 39 Zusammenfassung von Klassen Bereich n i h i 150+ bis , bis , bis , bis , bis , bis , bis ,13 Gesamt
21 Fehlerhafte Modifikation des Histogramms Fehlerhafte Modifikation des Histogramms 42 21
22 Korrekte Modifikation des Histogramms Fläche muss konstant bleiben 43 Korrektes Histogramm nach Aggregation falsch korrekt Fläche muss konstant bleiben Prinzip der Flächentreue 44 22
23 Histogramm <==> Dichtedarstellung Prinzip der Flächentreue: Der Flächeninhalt der Histogramm-Blöcke muss proportional p zur Häufigkeit sein Die Höhe der Histogramm-Blöcke muss dann die Dichte darstellen Dichte ist allgemein eine Häufigkeit bezogen auf eine Einheit z.b. Bevölkerungsdichte Anzahl Einwohner je km² Häufigkeitsdichte ist die relative Häufigkeit dividiert durch die Klassenbreite Fläche = Höhe*Breite Fläche ~ Häufigkeit Bei Klassen konstanter Breite ist diese Unterscheidung für die Visualisierung irrelevant 45 Berechnung der Häufigkeitsdichte Bereich n i h i b i d i =h i /b i 150+ bis , , bis ,10 5 0, bis ,16 5 0, bis ,23 5 0, bis ,20 5 0, bis , , bis , ,009 Gesamt
24 Beispiel: Haushaltseinkommen Rohdaten: Monatliches Haushaltseinkommen in DM Monatliches Zahl der Jahreseinkommebreite in Haushalte Klassen- Anteil Anteil Haushalts- Haushalte Haushalte einkommen in 1000 in Mio. DM 1000 DM korrigiert , , , , , , , , , , , , , , , , , , , , , , , , , ,0033 Summe: Beispiel: Haushaltseinkommen 0,3 Histogramm der relativen Haushaltsanteile Falsche Darstellung 0,25 Anteil Haushalte 0,2 0,15 0,1 0, monatliches Einkommen in DM 48 24
25 Beispiel: Haushaltseinkommen Histogramm der relativen Haushaltsanteile 0,3 Richtige Darstellung teil Haushalte korrigiert 0,25 0,2 0,15 0,1 An 0, monatliches Einkommen in DM 49 Wahl der Klassen für ein Histogramm In der Praxis ist die Wahl der Klassengrenzen bzw. der Klassenanzahl relativ willkürlich. Klassenanzahl: je nach Datenlage und Fragestellung 5-20 Annäherung an die Klassenbreite: Spannweite (Differenz zwischen größtem und kleinsten Wert) bzw. durch gewünschte Klassenanzahl dividieren Klassenmitten sollten mit beobachteten Werten übereinstimmen Wahl schöner Grenzen im Sinne des dekadischen Systems 50 25
26 Typisierung von Verteilungen Unimodale Verteilung Unimodal Distribution Bimodale Verteilung Bimodal Distribution Multimodale Verteilung Multimodal Distribution 51 Schiefe einer Verteilung Unimodale symmetrische Verteilung rechtsschief linksschief 52 26
27 Kritik am klassischen Histogramm Das resultierende Bild von der Gestalt der Verteilung hängt von der letztlich willkürlichen Wahl der Anzahl der Intervalle und vom Startpunkt der Intervallbildung ab 53 Beispiel: Altersverteilung einer Kohorte Histogram of Age Histogram of Age Frequ uency Frequ uency Age Age Histogram of Age Histogram of Age Frequency Frequency Age Age 27
28 Verschieben der Klassen-Intervalle Histogram of Age Histogram of Age Freq quency Freq quency Age Age Histogram of Age Histogram of Age Frequency Frequency Age Age Alternative: Kernschätzer Ein Kern bezeichnet eine symmetrische Funktion, die rund um den empirischen Datenpunkt aufgetragen wird. Das Bild der Verteilung ergibt sich dann durch die Summe über alle Funktionswerte im gesamten Bereich der x-achse 56 28
29 Selektion der Bandweite 57 29
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 entweder ein
MehrStatistik 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= n n. Einfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten. Absolute Häufigkeiten diskreter Merkmale
Absolute Häufigkeiten diskreter Merkmale Einfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten Siehe dazu auch: Beispiel.xls X sei ein diskretes Merkmal mit den Realisationsmöglichkeiten
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
Mehr4. 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 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
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
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 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
Mehr4. 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:
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
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik Häufigkeitsverteilungen Statistische Kennwerte 3 Multivariate Statistik 4 Regression 5 Ergänzungen Deskriptive
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
MehrEinfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten
Einfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten Siehe dazu auch: Beispiel1.xls Statistik 1 für SoziologInnen 1 Häufigkeitstabellen/Visualisierung Absolute Häufigkeiten
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
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
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
MehrKapitel V - Graphische Darstellung von Häufigkeitsverteilungen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel V - Graphische Darstellung von Häufigkeitsverteilungen Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska
MehrKapitel 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
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 SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
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
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
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
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
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
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistische Graphiken
Statistik 1 für SoziologInnen Statistische Graphiken Univ.Prof. Dr. Marcus Hudec Zur Bedeutung von Visualisierung The eye the window of the soul, is the principal means by which the central sense can most
MehrVoraussetzung für statistische Auswertung: jeder Fall besitzt in bezug auf jedes Merkmal genau eine Ausprägung
Rohdaten Urliste oder Rohdaten sind die auszuwertenden Daten in der Form, wie sie nach der Datenerhebung vorliegen. Dimensionen der Urliste sind die Fälle, Merkmale und ihre Ausprägungen. Voraussetzung
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
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
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
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
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
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
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:
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrStatistische Graphiken
Statistik 1 für SoziologInnen Statistische Graphiken Univ.Prof. Dr. Marcus Hudec Zur Bedeutung von Visualisierung The eye the window of the soul, is the principal means by which the central sense can most
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrAuswertung statistischer Daten 1
Auswertung statistischer Daten 1 Dr. Elke Warmuth Sommersemester 2018 1 / 26 Statistik Untersuchungseinheiten u. Merkmale Grundgesamtheit u. Stichprobe Datenaufbereitung Urliste, Strichliste, Häufigkeitstabelle,
MehrStatistische Graphiken
Statistik 1 für SoziologInnen Statistische Graphiken Univ.Prof. Dr. Marcus Hudec Wie sehen Sie die Relation der Stimmen zwischen Van der Bellen und den Kandidaten von Rot/Schwarz? Wie sehen Sie die Relation
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 14. Oktober 2010 Übungen Aufgabenblatt 1 wird heute Nachmittag auf das Weblog gestellt. Geben Sie die Lösungen dieser
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
MehrDeskription, 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
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
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
Mehr2 Datenbeschreibung. 2.1 Datendarstellung
2 Datenbeschreibung Ihr Sparbuch ist gefüllt! Da Sie etwas Geld übrig haben, möchten Sie es anlegen. Sie gehen deshalb zu Ihrer Bank und lassen sich beraten. Was halten Sie von Fonds? Auf diese Frage Ihres
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 27. Juni 2009 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: (6 Punkte) a) Wie viel Prozent der Beobachtungen liegen beim Box-Plot außerhalb der
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrDie folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt.
Nr. Die folgende Tabelle wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Gewicht (x i ) Raucher Geschlecht Lieblingssportart Ausübung des Sports Geld pro Monat Klassenmitte
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
MehrAnteile 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
MehrLagemaße 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
MehrStatistische Graphiken
Statistik 1 für SoziologInnen Statistische Graphiken Univ.Prof. Dr. Marcus Hudec Zur Bedeutung von Visualisierung The eye the window of the soul, is the principal means by which the central sense can most
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
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
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
Mehr5.4.1 Statistische Methoden
Aus einer Menge n der Schüler einer Schule sollen k Schüler nach dem Zufallsprinzip ausgewählt werden. Folgende Werte für n und k sind gegeben: n = 324 k = 50 Beschreiben Sie die Vorgehensweise bei der
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
MehrDr. 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...
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
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
MehrKapitel VIII - Mehrdimensionale Merkmale
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Mehrdimensionale Merkmale Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
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
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 ( )
Mehr1) 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?
MehrStochastik Deskriptive Statistik
Stochastik Deskriptive Statistik 3 % 3 8% % % % 99 997 998 999 3 7 8 % 99 997 998 999 3 7 8 8 8 99 997 998 999 3 7 8 99 99 998 8 8 Typ A % Typ B % 998 Typ C % 99 3 Diese Diagramme stellen weitgehend dieselben
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrGliederung der Vorlesung
Gliederung der Vorlesung A. Einführung: 1. Versuchsplanung 2. Merkmalsauswahl 3. Skalenniveaus 4. Durchführung B. Beschreibende (deskriptive) Statistik C. Schließende Statistik Fehler 1. und 2. Art Testverfahren
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
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
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
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
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrStatistik I (17) 79. Untersuchen Sie die Daten aus Tabelle 1.
Schüler Nr. Statistik I (7) Schuljahr /7 Mathematik FOS (Haben Sie Probleme bei der Bearbeitung dieser Aufgaben, wenden Sie sich bitte an die betreuenden Lehrkräfte!) Tabelle : Die Tabelle wurde im Rahmen
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
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
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.
MehrGünther 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
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
MehrDeskriptive 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
MehrHäufigkeitsverteilungen 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
Mehrbwz uri Datenanalyse Minuten Ich wünsche Ihnen viel Erfolg! Name und Vorname Aufgabe Gesamtpunkte Punkte
Datenanalyse 2017 Prüfungsdauer Hilfsmittel Bedingungen 60 Minuten Taschenrechner erlaubt, CAS-Rechner im Prüfungsmodus! Formelsammlung Dokumentieren Sie den Lösungsweg sauber. Der Lösungsweg muss klar
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrStatistik 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
MehrStandardisierte 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
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
MehrÜ B U N G S S K R I P T S T A T I S T I K
Ü B U N G S S K R I P T S T A T I S T I K A. Ploner H. Strelec C. Yassouridis Universität für Bodenkultur Department für Raum, Landschaft und Infrastruktur Institut für Angewandte Statistik & EDV Peter-Jordan-Strasse
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
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
Mehr3. 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
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
Mehr