Statistik Sommersemester Dr. Matthias Arnold

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Statistik Sommersemester Dr. Matthias Arnold"

Transkript

1 Statistik Sommersemester 2012 Dr. Matthias Arnold

2 Vorlesung Vorlesung: Mi , Audimax Dr. Matthias Arnold Raum 163 in LG 1 Tel.: 0361/ Sprechstunde: Mittwoch Uhr 1. Klausurtermin: Montag, , 16 Uhr 2. Klausurtermin: Mittwoch, , 12 Uhr Dr. Matthias Arnold 2

3 Übung Fabian Kleine Termine: Mo Di Mi Mi Do Dr. Matthias Arnold 3

4 Was ist Statistik Umfassendes methodisch-quantitatives Instrumentarium zur Charakterisierung und Auswertung empirischer Befunde [...] mit universellen Einsatzmöglichkeiten in Politik, Wirtschaft und Gesellschaft und allen Geistes-, Sozial- und Naturwissenschaften einschließlich Medizin und Technik, in denen mit Zahlen gearbeitet wird. (Gabler Wirtschaftslexikon) Wissenschaftsdisziplin, die Methoden entwickelt, um aus Zahlen ( Daten ) Informationen, Wissen zu extrahieren Dr. Matthias Arnold 4

5 Hilfreich/notwendig bei... Wozu Statistik?...der Erstellung von Mietspiegeln...der Prüfung von Kreditwürdigkeiten...der Auswertung der Sonntagsfrage...klinischen Studien ( Medikament A besser als Medikament B? )...der Beantwortung grundlegender Fragen von Politik und Gesellschaft... Arbeitsmarktpolitik: Auswirkungen der Einführung von Mindestlöhnen Gesundheitspolitik: Bewertung von Vorsorgeuntersuchungen Dr. Matthias Arnold 5

6 Wozu Statistik? Hilfreich bei der Planung der Energiewende Dr. Matthias Arnold 6

7 Windenergie Einspeisung ins Netz im Zeitablauf Dr. Matthias Arnold 7

8 Energiewende: erforderlicher Netzausbau Regionale Unterschiede Stromerzeugung/Stromverbrauch Dr. Matthias Arnold 8

9 Wozu Statistik? Hilfreich/notwendig bei der Entscheidung über den Bau neuer Kraftwerke... zur Politikberatung: Entwicklung Strompreise, Strombedarf... für die Planung von Speicherkapazitäten (z.b. Pumpspeicherkraftwerke)... bei Entscheidungen über den Netzausbau... bei der Festlegung von Einspeisevergütungen Dr. Matthias Arnold 9

10 Wozu Statistik? Statistische Unkenntnis Fehlinterpretationen/ Blamagen drohen Mitteilung der Universität Virginia im Jahr 1984: Absolventen des Bachelor-Studiengangs Rhetorik und Kommunikation haben durchschnittliches Einstiegsgehalt von Dollar wertlose/irreführende Info, denn einer der Studenten: R. Sampson, später Houston Rockets (Quelle: Washington Post) Dr. Matthias Arnold 10

11 Prominenter Statistik-Fürsprecher The ability to take data to be able to understand it, to process it, to extract value from it, to visualize it, to communicate it that s going to be a hugely important skill in the next decades. (H. R. Varian, US-amerikanischer Ökonom, geb. 1947) Dr. Matthias Arnold 11

12 Themengebiete Teil A: Deskriptive Statistik (Komprimierung/übersichtliche Darstellung von Daten) Grafische Darstellung von Daten Lage-, Streuungs- und Zusammenhangsmaße Preisindizes Teil B: Wahrscheinlichkeitsrechnung (Beschreibung/Modellierung zufälliger Ereignisse, notw. für Teil C) Zufällige Ereignisse und ihre Wahrscheinlichkeiten Zufallsvariablen Erwartungswert, Varianz und Kovarianz von Zufallsvariablen Ausgewählte Verteilungen Dr. Matthias Arnold 12

13 Themengebiete Teil C: Schließende Statistik (allgemeine Frage wird auf Basis einer Stichprobe beantwortet) Punkt- und Intervallschätzung Statistische Signifikanztests Regressionsanalyse Dr. Matthias Arnold 13

14 Zur Struktur/Nummerierung Themengebiete A-C (s.o.) Unterteilung in Kapitel Kapitel 1: Grundlegende Begriffe Kapitel 2: Grafische Darstellung von Daten... Dr. Matthias Arnold 14

15 Zur Struktur/Nummerierung Dem jeweiligen Kapitel entsprechend werden Definitionen und Beispiele nummeriert Kapitel 1 Beispiel 1.1, Beispiel 1.2, Definition 1.1,... Kapitel 2 Beispiel 2.1, Definition 2.1, Definition 2.2, Keine Nummerierung von Bemerkungen Querverweise haben die Form gemäß der Bemerkung nach Definition 1.1 gilt... Dr. Matthias Arnold 15

16 Literatur Bamberg, G., Baur, F. und Krapp, M. (2009), Statistik, 15. Auflage, Oldenbourg, München. Bleymüller, J., Gehlert, G. und Gülicher, H. (2008), Statistik für Wirtschaftswissenschaftler, 15. Auflage, Verlag Vahlen, München. Krämer, W. (2008), Statistik verstehen Eine Gebrauchsanweisung, 7. Auflage, Piper, München. Pflaumer, P., Heine, B. und Hartung, J. (2005), Statistik für Wirtschafts- und Sozialwissenschaften: Deskriptive Statistik, 3. Auflage, Oldenbourg, München. Pflaumer, P., Heine, B. und Hartung, J. (2001), Statistik für Wirtschafts- und Sozialwissenschaften: Induktive Statistik, Oldenbourg, München. Schira, J. (2009), Statistische Methoden der VWL und BWL Theorie und Praxis, 3. Auflage, Pearson Studium, München. Dr. Matthias Arnold 16

17 Teil A: Deskriptive Statistik Dr. Matthias Arnold 17

18 Aufgaben der deskriptiven Statistik Erhebung von Daten Tabellarische und grafische Darstellung von Daten Charakterisierung großer Datenmengen durch aussagekräftige Maßzahlen Dr. Matthias Arnold 18

19 Kapitel 1: Grundlegende Begriffe Beispiel 1.1 a) Farben der Fahrzeuge auf dem Uniparkplatz (1. Wagen rot; 2. Wagen blau,...) b) Schulnoten einer Grundschulklasse (sehr gut bis ungenügend) c) Einwohnerzahlen in deutschen Städten (Stadt 1: ; Stadt 2: ,...) d) Körpergröße der Studenten (in cm) in diesem Hörsaal (Student 1: 175,3; Student 2: 163,8;...) Eigenschaften von Objekten werden durch Daten wiedergegeben Objekte hier: Fahrzeug, Schüler, Stadt, Student Eigenschaften hier: Farbe, Note, Einwohnerzahl, Körpergröße Dr. Matthias Arnold 19

20 Bezeichnungen Die Eigenschaften (der Objekte) werden auch Merkmale oder Variablen genannt Die zugehörigen Objekte heißen Merkmalsträger Das notierte Merkmal an einem bestimmten Merkmalsträger heißt Merkmalsausprägung oder Beobachtung Merkmale werden mit großen Buchstaben bezeichnet Merkmalsausprägungen werden mit kleinen Buchstaben und der Nummer des Merkmalsträgers bezeichnet Dr. Matthias Arnold 20

21 Beispiel 1.2 (vgl. Beispiel 1.1) a) Merkmal W =Fahrzeugfarbe; Merkmalsträger=Fahrzeug; Merkmalsausprägung von Merkmalsträger 5: w 5 =rot b) Merkmal X=Note; Merkmalsträger=Schüler; Merkmalsausprägung von Merkmalsträger 3: x 3 =befriedigend c) Merkmal Y =Einwohnerzahl; Merkmalsträger=Stadt; Merkmalsausprägung von Merkmalsträger 10 : y 10 = d) Merkmal Z=Körpergröße; Merkmalsträger=Student; Merkmalsausprägung von Merkmalsträger 40 : z 40 =181,6 Ersichtlich außerdem: Art/Typ der Daten ist unterschiedlich! Dr. Matthias Arnold 21

22 Definition 1.1 Betrachte abermals Beispiel 1.1 Daten vom Typ a) sind keine Zahlen und lassen sich nicht ordnen; Derartige Merkmale heißen qualitativ oder nominal skaliert (Datenausprägungen als Namen auffassbar) Daten vom Typ b) können in eine Rangordnung gebracht werden (sehr gut, gut,...,ungenügend) und sind numerisch kodierbar: 1 < 2 <... < 6; Solche Merkmale heißen ordinal skaliert (nicht qualitativ; Merkmalsausprägungen lassen sich in natürlicher Reihenfolge anordnen, wobei die Abstände zwischen den Beobachtungen nicht sinnvoll interpretierbar sind) Dr. Matthias Arnold 22

23 Definition 1.1 (Fortsetzung) In c) entsprechen die Merkmalsausprägungen Zahlen derartige Merkmale heißen kardinal skaliert oder quantitativ; Merkmalsausprägungen lassen sich in natürlicher Reihenfolge anordnen, Abstände ebenfalls interpretierbar Datenstruktur von d) ähnlich zu c) Unterschied c) und d): In d) könnte Körpergröße theoretisch beliebig genau gemessen werden Merkmalsausprägung kann jeden reellen Zahlenwert im Intervall [0,210] annehmen (Unterstellung hier: 210 cm=maximalgröße) derartige Merkmale heißen quantitativ stetig; Inc)können die Beobachtungen nur ganzzahlige Werte annehmen derartige Merkmale heißen quantitativ diskret Dr. Matthias Arnold 23

24 Bemerkung Jede Messung eines stetigen Merkmals ist aufgrund begrenzter Messgenauigkeit praktisch diskret; Die Stetigkeit, das heißt die Annahme, dass jede beliebige Zahl realisierbar ist, ist eine Idealisierung In der Praxis werden diskrete Merkmale mit vielen Merkmalsausprägungen oft wie stetige Merkmale behandelt (Beispiel: Einkommen); auch umgekehrter Fall (durch Klassieren der Daten) möglich Beispiel 1.3 Weitere nominal skalierte Merkmale: Geschlecht (w/m), Geburtsort, Konfession, Familienstand der Studenten in diesem Hörsaal,... Weitere ordinal skalierte Merkmale: Sozialer Status, Aggressivität, Kundenzufriedenheit, Tabellenplätze,... Dr. Matthias Arnold 24

25 Beispiel 1.3 (Fortsetzung) Weitere quantitativ diskrete Merkmale: Einkommen, Anzahl geschossener Tore, Anzahl Krankschreibungen pro Person und Jahr,... Weitere quantitativ stetige Merkmale: Zeit, Gewicht, Temperatur,... Definition 1.2 Gegeben sei ein Merkmal X Die Menge N aller möglichen Merkmalsträger heißt Grundgesamtheit (x 1,..., x N zugehörige Beobachtungen) Erhebung aller N Beobachtungen Vollerhebung Meist jedoch: Betrachtung einer Stichprobe von n Merkmalsträgern wobei n<n Dr. Matthias Arnold 25

26 Kapitel 2: Grafische Darstellung von Daten Beispiel 2.1 Heimtore Borussia Dortmund, Saison 2009/2010 (17 Spiele): 1, 1, 1, 0, 2, 2, 0, 4, 1, 1, 2, 4, 3, 3, 2, 1, 1 Quelle: Dr. Matthias Arnold 26

27 Beispiel 2.1 (Fortsetzung) Was sieht man? Betrachte z.b., wie oft sich die fünf auftretenden Anzahlen an Toren (0-4) über die Saison verteilt realisieren Anzahl Tore Wie oft aufgetreten Eins ist der (mit Abstand) am häufigsten auftretende Wert Dr. Matthias Arnold 27

28 Definition 2.1 Gegeben sei ein Merkmal X mit k möglichen Merkmalsausprägungen a 1,..., a k Beobachte nun n Ausprägungen x 1,..., x n Die Anzahl der x i mit x i = a j wird mit H(a j ) bezeichnet und heißt absolute Häufigkeit der Ausprägung a j h(a j )=H(a j )/n heißt relative Häufigkeit von a j Dr. Matthias Arnold 28

29 Beispiel 2.2 (BVB-Tore, vgl. Beispiel 2.1) Tore a j H(a j ) h(a j ) 0 2 2/17=0, /17=0, /17=0, /17=0, /17=0,117 =17 =1 Dr. Matthias Arnold 29

30 Beispiel 2.2 (Fortsetzung) Möglichkeiten der grafischen Darstellung? z.b. Säulendiagramm rel. Häufigkeit h(aj) Tore aj Säulendiagramm auch mit absoluten Häufigkeiten erstellbar; Stäbe statt Rechtecken Stabdiagramm Dr. Matthias Arnold 30

31 Beispiel 2.2 (Fortsetzung) Vertausche im Säulendiagramm x und y Achse Balkendiagramm Tore aj Abs. Häufigkeit H(aj) Dr. Matthias Arnold 31

32 Beispiel 2.2 (Fortsetzung) Andere Möglichkeit zur grafischen Darstellung der BVB-Tore: Kreisdiagramm Größe des einzelnen Tortenstücks ist proportional zur entsprechenden Häufigkeit Dr. Matthias Arnold 32

33 grafische Darstellung: angemessen Dr. Matthias Arnold 33

34 beliebter Trick: y-achse abschneiden Dr. Matthias Arnold 34

35 Wirtschaftswachstum Dr. Matthias Arnold 35

36 Postsendungen Dr. Matthias Arnold 36

37 Bildung und Forschung Dr. Matthias Arnold 37

38 auch schlecht: eingebaute Bewertung Dr. Matthias Arnold 38

39 Definition 2.2 Situation wie in Definition 2.1 (Merkmal X, mögliche Ausprägungen a 1,..., a k, Beobachtung von n Ausprägungen x 1,..., x n ) X mindestens ordinal skaliert Die empirische Verteilungsfunktion F n (x) ist gleich der Summe der relativen Häufigkeiten aller Merkmalsausprägungen kleiner oder gleich x Formell: F n (x) = a i x h(a i ) (x R) F n (x) entspricht dem Anteil an Beobachtungen, die höchstens den Wert x haben Dr. Matthias Arnold 39

40 Beispiel 2.3 (BVB-Tore, vgl. die Beispiele 2.1 und 2.2) 0 für x<0 h(0) = 2/17 für 0 x<1 2/17 + h(1) = 9/17 für 1 x<2 F 17 (x) = 9/17 + h(2) = 13/17 für 2 x<3 13/17 + h(3) = 15/17 für 3 x<4 1 für x 4 Dr. Matthias Arnold 40

41 Beispiel 2.3 (Fortsetzung) Fn(x) der BVB Tore F 17 (x) BVB Tore x Dr. Matthias Arnold 41

42 Beispiel 2.3 (Fortsetzung) Fn(x) der BVB Tore Ablesebeispiel F 17 (x) BVB Tore x In ca. 80 Prozent der Spiele (genauer: in F 17 (2) 100 = 76, 5 Prozent) sind weniger als drei Tore gefallen Dr. Matthias Arnold 42

43 Bemerkung (Eigenschaften von F n (x)) F n (x) [0, 1] für alle x F n (x) ist monoton nicht fallend Es gilt: lim F n(x) =0 und lim F n(x) =1. x x Dr. Matthias Arnold 43

44 Beispiel 2.4 Lebensdauer (in Betriebsstunden) von Ventilen in kunststoffverarbeitendem Betrieb, vgl. Bamberg et al. (2007) 110, 520, 490, 30, 120, 290, 370, 305, 415, 170, 280, 70, 540, 460, 260, 345, 150, 220, 435, 425, 470, 350, 130, 380, 230, 320, 360, 240, 330, unterschiedliche Beobachtungen Säulen/Kreisdiagramm bringen keinen Informationsgewinn Dr. Matthias Arnold 44

45 Beispiel 2.4 (Fortsetzung) Empirische Verteilungsfunktion konstruierbar Fn(x) der Ventillebensdauern F 30 (x) Lebensdauer der Ventile x (in Stunden) Dr. Matthias Arnold 45

46 Beispiel 2.4 (Fortsetzung) Weitere Möglichkeit: Klassierung der Daten, z.b. in Intervalle der Länge 100 (jetzt H(a i ) bzw. h(a i ) absolute bzw. relative Klassenhäufigkeit) Klasse von... bis h(a i ) Nr. unter... Stunden H(a j ) h(a i ) Klassenbreite /30 7/ /30 6/ /30 8/ /30 9/6000 Dr. Matthias Arnold 46

47 Beispiel 2.4 (Fortsetzung) Histogramm: Betrachte aneinander angrenzende Rechtecke in Klassenbreite; Höhe der Rechtecke: h(a i )/Klassenbreite Balkenhöhe Lebensdauer der Ventile x (in Stunden) Dr. Matthias Arnold 47

48 Bemerkung Die Fläche der einzelnen Balken im Histogramm ist proportional zur relativen Häufigkeit im entsprechenden Intervall: Balkenhöhe=h(a i )/Klassenbreite h(a i )=Balkenhöhe Klassenbreite = Balkenfläche Probleme bei zu grober Klasseneinteilung: Zu viel Informationsverlust Probleme bei zu feiner Klasseneinteilung: Unübersichtlichkeit, da viele Klassen gering/gar nicht besetzt sind Bei großer Variation der Daten können unterschiedliche Klassenbreiten sinnvoll sein, wenn möglich sind jedoch Klassen mit gleicher Breite wünschenswert Dr. Matthias Arnold 48

49 Beispiel 2.5 (Lebensdauer Ventile, vgl. Beispiel 2.4) Histogramm der Ventillebensdauern, andere Klassierung Balkenhöhe Lebensdauer der Ventile x (in Stunden) Dr. Matthias Arnold 49

50 Beispiel 2.5 (Fortsetzung) Fn(x) Ventile, unklassierte & klassierte Daten F 30 (x) Lebensdauer der Ventile x (in Stunden) Sprungstelle hier: Klassenuntergrenze; weitere Möglichkeiten: Klassenobergrenze, Klassenmitte,... Dr. Matthias Arnold 50

51 Bemerkung Säulen/Stab-, Balken- und Kreisdiagramm für nominal, ordinal und kardinal skalierte Merkmale geeignet Empirische Verteilungsfunktion für ordinal und kardinal skalierte Merkmale geeignet Histogramm nur für kardinal skalierte Merkmale geeignet Dr. Matthias Arnold 51

Statistik für Ökonomen Wintersemester 2010/2011. Dr. Hendrik Hansen

Statistik für Ökonomen Wintersemester 2010/2011. Dr. Hendrik Hansen Statistik für Ökonomen Wintersemester 2010/2011 Dr. Hendrik Hansen Was ist Statistik Umfassendes methodisch-quantitatives Instrumentarium zur Charakterisierung und Auswertung empirischer Befunde [...]

Mehr

Kapitel 1 Beschreibende Statistik

Kapitel 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

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen

Mehr

Kapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt

Kapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal

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 Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische

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

Statistik I für Betriebswirte Vorlesung 9

Statistik 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

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung 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

Mehr

STATISTIK FÜR WIRTSCHAFTS- UND SOZIALWISSENSCHAFTLER

STATISTIK FÜR WIRTSCHAFTS- UND SOZIALWISSENSCHAFTLER STATISTIK FÜR WIRTSCHAFTS- UND SOZIALWISSENSCHAFTLER Organisation Martin Wagner Technische Universität Dortmund Wintersemester 2016/17 Diese Version: 18. Oktober 2016 c by Martin Wagner 1 / 10 Hal Varian

Mehr

STATISTIK FÜR WIRTSCHAFTSWISSENSCHAFTLER

STATISTIK FÜR WIRTSCHAFTSWISSENSCHAFTLER STATISTIK FÜR WIRTSCHAFTSWISSENSCHAFTLER Peter Grabarczyk Technische Universität Dortmund Wintersemester 2017/18 Diese Version: 13. Oktober 2017 1 / 11 Hal Varian (Chefökonom von Google) sagt: I keep saying

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

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Ruediger.Braun@uni-duesseldorf.de Heinrich-Heine Universität Düsseldorf Mathematik für Biologen p. 1 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net

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

Kreisdiagramm, Tortendiagramm

Kreisdiagramm, Tortendiagramm Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte

Mehr

htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK

htw 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

Mehr

Beschreibung von Daten

Beschreibung 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

Mehr

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

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

Mehr

9. Kapitel: Grafische Darstellung quantitativer Informationen

9. Kapitel: Grafische Darstellung quantitativer Informationen 9. Kapitel: Grafische Darstellung quantitativer Informationen 9.1: Fallstricke bei der Übersetzung von Zahlen in Bilder a) optische Täuschungen b) absichtliche Manipulationen 9.2: Typologie von Datengrafiken

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

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

Einführung in die computergestützte Datenanalyse

Einführung in die computergestützte Datenanalyse Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL

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

Kapitel V - Graphische Darstellung von Häufigkeitsverteilungen

Kapitel 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

Mehr

Grundbegriffe. Bibliografie

Grundbegriffe. Bibliografie Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler

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

Deskriptive Statistik

Deskriptive 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

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

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

Inhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen

Inhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):

Mehr

Erstellung einer wissenschaftlichen Arbeit

Erstellung einer wissenschaftlichen Arbeit Erstellung einer wissenschaftlichen Arbeit Kapitel 4 Visualisierungen 30.7508, Wintersemester 2015/2016 Bildquellen: http://www.gillikinconsulting.com/wp-content/uploads/2013/11/writer3a_writing_bnw.jpg

Mehr

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung

Mehr

2 Häufigkeitsverteilungen

2 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

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

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt

Mehr

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017 für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 A. Einführung In eigener Sache Organisatorisches Inhalt der Vorlesung 2 Kurze Vorstellung

Mehr

Arbeitsbuch zur deskriptiven und induktiven Statistik

Arbeitsbuch zur deskriptiven und induktiven Statistik Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen

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

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

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

STATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005

STATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005 STATISIK LV Nr.: 0021 WS 2005/06 11.Oktober 2005 1 Literatur Bleymüller, Gehlert, Gülicher: Statistik für Wirtschaftswissenschaftler, Verlag Vahlen Hartung: Statistik. Lehr- und Handbuch der angewandten

Mehr

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

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: 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...

Mehr

2. Deskriptive Statistik

2. 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

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Finanzierung und Investition

Finanzierung und Investition Kruschwitz/Husmann (2012) Finanzierung und Investition 1/31 Kruschwitz/Husmann (2012) Finanzierung und Investition 2/31 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München

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

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

Statistik für. von. Prof. Dr. Josef Bleymüller. und. Prof. Dr. Rafael Weißbach. sowie. Dr. Günther Gehlert. und. Prof. Dr.

Statistik für. von. Prof. Dr. Josef Bleymüller. und. Prof. Dr. Rafael Weißbach. sowie. Dr. Günther Gehlert. und. Prof. Dr. Statistik für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller und Prof. Dr. Rafael Weißbach sowie Dr. Günther Gehlert und Prof. Dr. Herbert Gülicher bei früheren Auflagen 17., überarbeitete Auflage

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,

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

Statistische Datenanalyse

Statistische Datenanalyse Werner A. Stahel Statistische Datenanalyse Eine Einführung für Naturwissenschaftler 3., durchgesehene Auflage vieweg VII 1 Einleitung 1 1.1 Was ist Statistische Datenanalyse? 1 1.2 Ziele 6 1.3 Hinweise

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN

Mehr

Statistik. Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp. 17., überarbeitete Auflage. Oldenbourg Verlag München.

Statistik. Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp. 17., überarbeitete Auflage. Oldenbourg Verlag München. Statistik von Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp 17., überarbeitete Auflage Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Liste wichtiger Symbole IX XI

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

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

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Stichwortverzeichnis. Symbole

Stichwortverzeichnis. 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

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

Statistik. Von Dr. Günter Bamberg. o. Professor für Statistik und Dr. habil. Franz Baur. Universität Augsburg. 12., überarbeitete Auflage

Statistik. Von Dr. Günter Bamberg. o. Professor für Statistik und Dr. habil. Franz Baur. Universität Augsburg. 12., überarbeitete Auflage Statistik Von Dr. Günter Bamberg o. Professor für Statistik und Dr. habil. Franz Baur Universität Augsburg 12., überarbeitete Auflage R.01denbourg Verlag München Wien V INHALTSVERZEICHNIS Vorwort Liste

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

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

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert

Mehr

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit: 1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das

Mehr

Diskrete Wahrscheinlichkeitsverteilungen

Diskrete Wahrscheinlichkeitsverteilungen Diskrete Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Zufallsvariablen Wahrscheinlichkeitsverteilungen Maßzahlen theoretischer Verteilungen Eigenschaften von Erwartungswert und Varianz

Mehr

Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg

Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de

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

4. Kumulierte Häufigkeiten und Quantile

4. Kumulierte Häufigkeiten und Quantile 4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen

Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen 5.1 Darstellung der Verteilung zweidimensionaler Merkmale 5.2 Maßzahlen für den Zusammenhang zweier nominaler Merkmale 5.3 Maßzahlen

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

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 für Technische Assistenten in der Medizin

Statistik für Technische Assistenten in der Medizin Statistik für Technische Assistenten in der Medizin Wolfgang Sans Lehrstuhl für Mathematik VIII University of Würzburg Einführung Statistik begegnet uns überall (fast) jeden Tag! Beispiele: Statistik?

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n

1 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:

Mehr

Forschungsmethoden in der Sozialen Arbeit

Forschungsmethoden 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

Mehr

Statistik, Geostatistik

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

Mehr

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

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

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

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

Mehr

Schließende Statistik

Schließende Statistik Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

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

I. Deskriptive Statistik 1

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

Mehr

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

Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik

Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen

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

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

Datenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung

Datenstrukturen. 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

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

4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

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 auszuwertende Merkmal

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Statistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012

Statistik 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

Mehr

Inhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale

Inhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale 1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................

Mehr

Statistische Formeln und Tabellen

Statistische Formeln und Tabellen WiSt-Taschenbücher Statistische und Tabellen Kompakt für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller, Prof. Dr. Rafael Weißbach 13., überarbeitete Auflage Verlag Franz Vahlen München 015

Mehr