Grundbegriffe. Bibliografie
|
|
- Helene Hochberg
- vor 7 Jahren
- Abrufe
Transkript
1 Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler Bleymüller / Gehlert Verlag Vahlen Statistische Formeln, Tabellen und Programme PowerPointPresentationen (Prof. Kück) Vorlesungsskript für Statistik I (Dr. Pu Chen) Einführung und Grundbegriffe II 2 1
2 Merkmal Eine messbare Eigenschaft einer statistischen Einheit, für die man sich bei der Untersuchung interessiert, heißt Merkmal. Für allgemeine Aussagen werden die Merkmale mit großen lateinischen Buchstaben bezeichnet: A, B, C, etc Einführung und Grundbegriffe II 3 Merkmalsausprägung Die möglichen Werte (Kategorien), die ein Merkmal annehmen kann, heißen Merkmalsausprägungen. Für allgemeine Aussagen werden die Merkmalsausprägungen mit kleinen lateinischen Buchstaben und subindex bezeichnet: a 1, a 2,, b 1, b 2,, c 1, c 2, Einführung und Grundbegriffe II 4 2
3 Merkmalsträger Eine statistische Einheit, deren Eigenschaften erhoben werden, heißt Merkmalsträger. Beispiele: Merkmalsträger: Person Merkmale: Alter, Ausbildung, Position, Gehalt, etc Merkmalsträger: Fernsehgerät Merkmale: Hersteller, Model, Bildschirmdiagonale, Stromverbrauch, Frequenz, etc Merkmalsträger: PC Merkmale: Prozessor, Taktfrequenz, Arbeitsspeicher, Laufwerke, etc Einführung und Grundbegriffe II 5 Datenmengenklassifizierung Nach der Anzahl der Merkmale je Merkmalsträger entstehen: Eindimensionale Datenmengen: Es wird nur ein Merkmal pro Merkmalsträger erfasst. Mehrdimensionale Datenmengen: Es werden zwei bzw. mehrere Merkmale pro Merkmalsträger erfasst. Einführung und Grundbegriffe II 6 3
4 Eindimensionale Datenmengen Es wird nur ein Merkmal der statistischen Einheit erhoben. Dieses Merkmal bildet eine eindimensionale statistische Variable. Das Erfassungsergebnis für die statistischen Einheiten der Gesamtheit bildet die Univariate Datenmenge. Einführung und Grundbegriffe II 7 Mehrdimensionale Datenmengen Es werden zwei oder mehr Merkmale der statistischen Einheit erhoben. Zwei Merkmale bilden eine zweidimensionale statistische Variable. Die Erfassung aller Werte bilden eine bivariate Datenmenge Mehr als zwei Merkmale bilden eine mehrdimensionale statistische Variable. Die Erfassung aller Werte bilden eine multivariate Datenmenge Einführung und Grundbegriffe II 8 4
5 Merkmalstypen Die Merkmale lassen sich nach den Relationen bzw. Operationen, die man mit den Merkmalsausprägungen definieren kann, in drei Typen gruppieren. Die Merkmalstypen sind: qualitativ (begrifflich, kategorial) komparativ (abstufbar, vergleichbar) quantitativ (exakter zahlenmäßiger erfassbar) Einführung und Grundbegriffe II 9 Beispiel: Merkmalstypen Merkmal Konfession Geschlecht Familienstand Leistungsbeurteilung Körpergröße Alter Anzahl der Kinder Merkmalsausprägung röm.-kath., ev., sonstige, keine männlich, weiblich ledig, verheiratet, verwitwet, geschieden sehr gut, gut, befriedigend, ausreichend, mangelhaft x cm x Jahre 0, 1, 2, 3, Merkmalstypen qualitativ qualitativ qualitativ komparativ quantitativ quantitativ quantitativ Einführung und Grundbegriffe II 10 5
6 Qualitative Merkmale Qualitative Merkmale besitzen nur eine Äquivalentrelation: zwei Merkmalsausprägungen sind entweder identisch oder nicht. Durch diese Relation wird die Gesamtheit in gegenseitig ausschließenden Klassen geteilt. Die Ausprägungen können durch Zahlen ersetzt werden (Codierung). Mit diesen Zahlen dürfen aber keine mathematischen Operationen durchgeführt werden. Es bestehet auch keine Ordnungsrelation zwischen den Ausprägungen. Beispiel: Familienstand: ledig(1), verheiratet(2), verwitwet(3), geschieden(4). Einführung und Grundbegriffe II 11 Komparative Merkmale Die komparativen Merkmale sind qualitative Merkmale, unter deren Ausprägungen zusätzlich eine Ordnungsrelation besteht. D. h. die komparativen Merkmale besitzen eine Äquivalenz- und eine Ordnungsrelation. Beispiel: Die Evaluierung der Lehre durch die Studenten: Merkmalsausprägungen bzw. Noten: ausgezeichnet (1), sehr gut (2), gut (3), schlecht (4) und sehr schlecht (5) Einführung und Grundbegriffe II 12 6
7 Quantitative Merkmale Quantitative Merkmale sind komparative Merkmale, unter deren Ausprägungen zusätzlich eine Metrik definiert wird. D. h. sie besitzen eine Äquivalenz-, eine Ordnungsrelation, eine Null und eine Eins und mit ihren Ausprägungen dürfen die üblichen mathematischen Operationen durchgeführt werden. Die Differenzen und Quotienten sind interpretierbar. Beispiele: Körpergröße, Anzahl der Kinder und Alter einer Person lassen sich mit reelle Zahlenwerte darstellen. Einführung und Grundbegriffe II 13 Skalentypen Merkmale, Merkmalsträger und Merkmalsausprägungen drücken eine Sachlogik aus. Die Messung eines Merkmals bei einem Merkmalsträger geschieht durch eine Skala. Jeder Merkmalsausprägung wird ein Skalenwert zugeordnet. Diese Zuordnung nennt man Messsung. Entsprechend der Merkmalstypen unterscheidet man die Skalenarten in: nominal (für qualitative Merkmale) ordinal (für komparative Merkmale) kardinal (für quantitative Merkmale) Von den Skalentypen hängt die Wahl der anzuwendenden statistischen Verfahren ab. Einführung und Grundbegriffe II 14 7
8 Nominalskala Die Nominalskala wird bei qualitativen Merkmalen angewandt. Jedem Merkmalsausprägung wird ein und nur ein Skalenwert zugeordnet. Man soll es versuchen, eine sachlogische Skala zu definieren, damit die Arbeit mit den Werten und die Interpretation der Ergebnisse leichter wird. Eine Reihenfolge oder Rangordnung der Werte wird damit nicht festgelegt. Mathematische Operationen mit den Skalenwert sind in diesem Fall untersagt. Einführung und Grundbegriffe II 15 Beispiele: Nominalskala Geschlecht mögliche Ausprägungen: männlich / weiblich. mögliche Skalenwerte: (maskulin / feminin), (m/w), (0/1), etc Schulbildung mögliche Ausprägungen: kein Abschluss, Hauptschulabschluss, Realschulabschluss, Abitur. mögliche Skalenwerte: 1, 2, 3, 4 Studiengang mögliche Ausprägungen: BWL, VWL, Wirtschaftsinformatik, mögliche Skalenwerte: 1, 2, 3, Farbe mögliche Ausprägungen: gelb, grün, blau, rot, mögliche Skalenwerte: 1, 2, 3, 4, Einführung und Grundbegriffe II 16 8
9 Ordinalskala Die Merkmalsausprägungen eines komparativen Merkmals können nicht nur nach dem gleich/ungleich Kriterium verglichen werden, sondern sie können in eine Reihenfolge nach den größer/kleiner oder besser/schlechter Beziehungen gebracht werden. Dabei ist jedoch zu beachten, dass die Abstände zwischen den Merkmalsausprägungen nicht interpretierbar sind. Eine Ordinalskala soll diese Eigenschaften des entsprechenden komparativen Merkmals wiedergeben. Eine Ordinalskala mit ausschließlich ununterbrochenen ganzen Zahlen bezeichnet man Rangskala (Ratingskala). Einführung und Grundbegriffe II 17 Beispiele: Ordinalskala Noten Mögliche Ausprägungen: 1, 2, 3, 4, 5. Zwischen den Noten besteht eine besser/schlechter Beziehung, allerdings ist der Abstand zwischen zwei Noten nicht exakt interpretierbar. Rangplätze der Fußballbundesliga Es lässt sich eine besser/schlechter Aussage zwischen den Plätzen der Tabelle machen, allerdings sagt sie nichts über den genauen Abstand der Vereine zueinander aus. Abgestufte Antworten bei Fragen über Einstellungen, Haltungen Zwischen den Antworten besteht eine besser/schlechter Beziehung, diese lässt sich aber nicht genau quantifizieren. Bei praktischen Untersuchungen wird jedoch oft Äquidistanz zwischen den Skalenwert unterstellt, denn dadurch können die komfortableren Verfahren zur Datenanalyse kardinalskalierter Merkmalen verwendet. Einführung und Grundbegriffe II 18 9
10 Kardinalskala (metrische Skala) Neben der Rangordnung besteht die Möglichkeit, die Abstände zwischen den Merkmalsausprägungen eines quantitativen Merkmals zu interpretieren. Eine entsprechende Kardinalskala muss diese metrische Eigenschaften besitzen. Sie haben eine Null und eine Einheit. Kardinalskala Intervallskala - willkürlicher (relativer) Nullpunkt Beispiele: Temperaturmessung in C Kalenderzeitrechnung Verhältnisskala - absoluter Nullpunkt Beispiele: Temperaturmessung in K Körpergröße Lebensdauer, etc 0 K entspricht - 273,15 C Einführung und Grundbegriffe II 19 Absolutskala Eine kardinal- bzw. metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit heißt Absolutskala. Auf einer Absolutskala werden z. B. Stückzahlen oder Häufigkeiten gemessen. Beispiel: Im Geschäftsjahr 2001/2002 produzierte die Dr. Inc. h. c. F. Porsche AG Fahrzeuge. Einführung und Grundbegriffe II 20 10
11 quantitative Merkmale eine Klassifikation Je nach Menge der Ausprägungen, die ein quantitatives Merkmal annehmen kann, unterscheidet man: Diskretes Merkmal Die Menge der möglichen Ausprägungen sind endlich bzw. unendlich abzählbar. Stetiges (kontinuierliches) Merkmal Die Menge der möglichen Ausprägungen ist nicht abzählbar. Sie ist isomorph mit der Menge der reellen Zahlen. Quasistetiges Merkmal Ein diskretes Merkmal, welches viele und sehr dicht beieinander liegende Ausprägungen hat, wird wie ein stetiges Merkmal behandelt. Meistens liegt die Unstetigkeit an der Genauigkeit unserer Messinstrumente. Einführung und Grundbegriffe II 21 Beispiele: Diskrete Merkmale Zahl der Studenten im AudiMax Zahl der Kinder einer Familie Zahl der produzierten Erzeugnisse Zahl der Erwerbslosen einer Region Einführung und Grundbegriffe II 22 11
12 Stetige Merkmale Ein stetiges Merkmal kann theoretisch (zumindest in einem bestimmten Bereich) einen beliebigen reellen Wert annehmen. Das Messergebnis wird dadurch beeinflusst, dass man nicht beliebig genau messen kann. In der Praxis liegt die Genauigkeit an unseren vorhandenen Messinstrumenten. Beispiele: Zeit für 100 m Lauf Gewicht, Größe, Alter einer Person Höhe, Tiefe, Breite eines Produktes Einführung und Grundbegriffe II 23 Quasistetige Merkmale Bei einem quasistetigen Merkmal handelt es sich um ein diskretes Merkmal, die viele Eigenschaften eines stetigen Merkmals besitzen. Diese werden deswegen oft wie ein stetiges Merkmal behandelt. Eine solche Behandlung ist angemessen, wenn die Einheit, in der gezählt wird, vernachlässigbar klein ist gegenüber der großen Anzahl von möglichen Ausprägungen. Beispiel: Altersangabe (in Jahr) einer Person Die Altersangabe (Kalenderjahr minus Geburtsjahr) ist laut unsere Definition ein diskretes Merkmal. Weil hiermit jedoch Alterszeit (Lebensdauer), d. h. eine stetige Größe zu messen ist, besitzt dieses Merkmal mehr Eigenschaften eines stetigen Merkmal als von einem diskreten. Es wird quasistetig bezeichnet und als stetig behandelt. Altersangaben von 67,83 Jahre können für Mittelwerte einer Personengesamtheit stehen. Solche Angaben sind in der Praxis üblich. Einführung und Grundbegriffe II 24 12
13 Transformation Unter der Skalentransformation versteht man die Transformation der Skalenwerte in andere Werte, wobei die Eigenschaften der Skalen erhalten bleiben. Eigenschaften der Transformationen: Eineindeutigkeit Monotonie Linearität Einführung und Grundbegriffe II 25 Eineindeutigkeit Jedem Wert der alten Skala wird genau ein Wert der neuen Skala zugeordnet. Eindeutige Umkehrbarkeit ist gegeben. Das betrifft in der Praxis z.b. die erforderliche Umstellung bei Systematiken, Klassifikationen, Codierung. Entsprechend Skalentyp: Die Transformation einer Nominalskala muss eineindeutig sein. 1 2 X Y 3 Z Einführung und Grundbegriffe II 26 13
14 Beispiele: Eineindeutigkeit Transformation des Merkmals Geschlecht von männlich/weiblich in die Werte 0/1 bzw. X/Y Zuordnung eines Zahlenschlüssels für die Farbe eines Autos Zahlenschlüssel (Regionalschlüssel) für Städte und Gemeinden Mit diesen Zahlen darf man keine mathematische Operation durchführen. Es besteht auch keine Rangfolge unter ihnen. Einführung und Grundbegriffe II 27 Monotonie Die gleiche Ordnungsrelation der alten Skalenwerte bleibt unter den neuen Skalenwerten erhalten. Sie geben die entsprechenden Relationen der Merkmalsausprägungen wieder. Die Transformation einer Ordinalskala muss monoton sein. Eine monotone Transformation ist auch eine eineindeutige Transformation. Sie muss aber keine metrische Eigenschaft besitzen. Beispiel: Transformation der Noten sehr gut, gut, befriedigend, in 1, 2, 3, Einführung und Grundbegriffe II 28 14
15 Linearität Die Werte werden durch eine lineare Gleichung (Funktion) transformiert. Diese Transformation ist nur für kardinalskalierte Merkmale zulässig. Das Verhältnis von Abständen zwischen den Skalenwerten bleibt gleich. Die Transformation einer Kardinalskala muss linear sein. Eine lineare Transformation ist eineindeutig und monoton. x' = a x + b (a 0) Einführung und Grundbegriffe II 29 Beispiele: Lineare Transformation Umrechnungskurs zwischen Landeswährungen z. B. zur Euro Einführung: 1 DM 1,95583 * Euro (y=1,95583 x) Tageskurs für Touristen Deutschland und England 1 Euro 0,623 GBP (y=0,623 x) Umrechnung zwischen Meile und Kilometer, Gallone und Liter usw. Einführung und Grundbegriffe II 30 15
16 Eigenschaften von Skalen Kardinal Ordinal Nominal Der Übergang von einer höheren auf eine niedrigere Stufe ist jederzeit möglich. Ein solcher Informationsverlust wird im Interesse der Aussage oft sogar angestrebt. Beispiel: In Datenaufbereitungen und -auswertungen über Einkommen werden häufig drei Klassen bzw. Gruppen ausgewiesen: untere, mittlere und höhere Einkommen. Einführung und Grundbegriffe II 31 16
Grundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Verhältniszahlen Maßskalen von Merkmalen Transformation von Skalenwerten Grundbegriffe II 1 Bibliografie Prof. Dr. Kück; Universität Rostock; Statistik,
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
MehrModul 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
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
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
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrAllgemeine Grundlagen Seite Termin: Eindimensionale Häufigkeitsverteilung
Statistik für alle Gliederung insgesamt Allgemeine Grundlagen Seite 1 1. Termin: Allgemeine Grundlagen 2. Termin: Eindimensionale Häufigkeitsverteilung 3. Termin: Lageparameter 4. Termin: Streuungsparameter
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
MehrSoftware Engineering I Prof. Dr. Martin Glinz. Kapitel 2. Zielsetzung, Messung. Universität Zürich Institut für Informatik
Software Engineering I Prof. Dr. Martin Glinz Kapitel 2 Zielsetzung, Messung Universität Zürich Institut für Informatik Zielsetzung warum? Zielgerichtetes Arbeiten ist notwendig Ohne Zielsetzung: Qualität
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
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
MehrStatistik für Ingenieure Vorlesung 7
Statistik für Ingenieure Vorlesung 7 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2017 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
Mehr1 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
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
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
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. Mai 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 1. Juni 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 8 Version: 30. Mai
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrDATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN
DATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN Was ist Messen? Messen - im weitesten Sinne - ist die Zuordnung von Zahlen zu Objekten und Ereignissen entsprechend einer Regel (Def. nach Stevensen
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...
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrGASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG. Mag. a Andrea Schaffar
GASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG Mag. a Andrea Schaffar Inhalte der heutigen VO-Einheit 2 Projektabläufe: Gegenüberstellung Forschung und Praxisprojekte
MehrLeidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I. Messtheoretische Vorüberlegungen
Leidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I Messtheoretische Vorüberlegungen Am Anfang jeder statistischen Auswertung steht das 'Messen' bestimmter Phänomene bzw. Merkmale.
MehrStatistik I Sommersemester 2009 Aufgabenlösung Übung 1: Grundbegriffe und univariate Datenanalyse - deskriptiv
Statistik I Sommersemester 2009 Aufgabenlösung Übung 1: Grundbegriffe und univariate Datenanalyse - deskriptiv Aufgabe 2.1.1 Nachfolgend werden drei statistische Grundgesamtheiten beschrieben. Prüfen Sie,
MehrForschungsmethoden in der Sozialen Arbeit (XI)
Forschungsmethoden in der Sozialen Arbeit (XI) Fachhochschule für Sozialarbeit und Sozialpädagogik Alice-Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrKapitel 1: Gegenstand und Grundbegriffe der Statistik
Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik... 1 2. Einheiten, Masse, Merkmal... 3 3. Messen, Skalen... 9 a) Messung... 9 b) Skalenarten... 11 1. Gegenstand der Statistik
MehrStatistik 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
MehrStatistik Grundbegriffe
Statistik Grundbegriffe 2 2.1 Überblick Im Kap. 2 werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene Skalenniveaus voneinander abgrenzen.
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrMesstherorie Definitionen
Messtherorie Definitionen Begriff Definition Beispiel Relationen Empirisches Relativ eine Menge von Objekten und ein oder mehreren beobachtbaren Relationen zwischen dieses Objekten Menge der Objekte =
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
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrVorlesung 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
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrForschungsmethoden VORLESUNG SS 2018
Forschungsmethoden VORLESUNG SS 2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Nachtrag Messen Forschungsethik Freiwilligkeit, Aufklärung nicht möglich/nötig,
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrFormale Begriffsanalyse
Formale Begriffsanalyse I Kontexte, Begriffe und Begriffsverbände 3 Mehrwertige Kontexte und Begriffliches Skalieren Die Elemente von G nennen wir die Gegenstände, die von M die (mehrwertigen) Merkmale
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-43 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
MehrSkript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse
Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung
MehrAnalyse kategorialer Variablen Schriftliche Ausarbeitung des Referats vom 23. Mai 2002
Universität Tübingen Tübingen, im Mai 2002 Geographisches Institut Sommersemester 2002 Seminar Verarbeitung Geographischer Daten Dozent: Dr. H.-J. Rosner Referenten: Katrin Oehlkers, Helke Neuendorff,
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
MehrLeidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I. Meßtheoretische Vorüberlegungen
Leidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I Meßtheoretische Vorüberlegungen Am Anfang jeder statistischen Auswertung steht das 'Messen' bestimmter Phänomene bzw. Merkmale.
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
Mehr2 Distanzen. Distanzen von Objekten. Einleitung Distanzen Repräsentation Klassifikation Segmentierung
2 von Objekten Datenanalyse II - Stefan Etschberger - Universität Augsburg - SS 2005 23 316 Gliederung Kapitel 2: von Objekten 2.1 Objekte und Merkmale 2.2 Merkmalstypen und ihre Nominale Merkmale Ordinale
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
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
Mehr2 Merkmalsausprägungen, Skalen, Häufigkeiten, Klassierung
2 2.1 Merkmalsausprägungen und Skalen Bei statistischen Analysen wird eine bestimmte Anzahl von Elementen untersucht und mit den Methoden der Statistik quantifiziert. Je nach Untersuchung kann es sich
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrEinführung: Was ist Statistik?
Einführung: Was ist Statistik? 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
Mehr1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung
1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung
MehrMethoden der Klassifikation und ihre mathematischen Grundlagen
Methoden der Klassifikation und ihre mathematischen Grundlagen Mengenlehre und Logik A B "Unter einer 'Menge' verstehen wir jede Zusammenfassung M von bestimmten wohlunterschiedenen Objekten unserer Anschauung
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...
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,
MehrStatistikpraktikum. 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
MehrTEIL 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
MehrGrundlagen 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
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
MehrKapitel XI - Korrelationsrechnung
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Kapitel XI - Korrelationsrechnung Markus Höchstötter Uni Karlsruhe Karlsruhe, SS 2008 Kapitel XI - Korrelationsrechnung
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
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 für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrInhaltsverzeichnis (Ausschnitt)
4 Zweidimensionale Daten Inhaltsverzeichnis (Ausschnitt) 4 Zweidimensionale Daten Häufigkeitsverteilungen unklassierter Daten Häufigkeitsverteilungen klassierter Daten Bedingte Häufigkeitsverteilungen
MehrStatistik Skalen (Gurtner 2004)
Statistik Skalen (Gurtner 2004) Nominalskala: Daten haben nur Namen(Nomen) und (eigentlich) keinen Zahlenwert Es kann nur der Modus ( ofteste Wert) berechnet werden Beispiel 1: Die Befragung von 48 Personen
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
MehrGrundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens
Grundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 AUFGABE 1. Beschreibe einen experimentellen
MehrTechnische Universität München TOPSIS. Technique for Order Preference by Similarity to Ideal Solution. -Technik zur Lösung von Entscheidungsproblemen-
TOPSIS Technique for Order Preference by Similarity to Ideal Solution -Technik zur Lösung von Entscheidungsproblemen- 1 TOPSIS wurde von Hwang/Yoon 1981 konzipiert simple Technik zur Effizienzanalyse,
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 1: Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 12., vollständig überarbeitete Auflage nwb STUDIUM Inhaltsverzeichnis
MehrCampbell (1920): "... die Zuweisung von Zahlen, um Eigenschaften darzustellen."
3. Grundlagen der Messung 1 3. Grundlagen der Messung 1 3.1. Definitionen der Messung... 1 3.2. Problembereiche des Messens... 4 3.2.1 Wechselwirkung beim Messvorgang... 4 3.2.2 Repräsentationsproblem...
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
MehrInhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
MehrStatistik Einführung // Kategoriale Daten 10 p.2/26
Statistik Einführung Kategoriale Daten Kapitel 10 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Kategoriale Daten
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
Mehr5 Assoziationsmessung in Kontingenztafeln
5 Assoziationsmessung in Kontingenztafeln 51 Multivariate Merkmale 51 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt zur Beschreibung
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
Mehr