Quantitative Methoden (Vertretung für Prof. Th. Pechmann)
|
|
- Nora Liese Schulz
- vor 7 Jahren
- Abrufe
Transkript
1 Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Deskriptive Statistik II Kennwerte der Dispersion Andreas Opitz Universität Leipzig Institut für Linguistik
2 Fragen, die Sie nach der letzten Sitzung beantworten können sollten Welche Skalen-Niveaus unterscheidet die Messtheorie? Was sind Gütekriterien wissenschaftlicher Messungen? Welche Kennwerte der zentralen Tendenz kennen Sie? Wie lassen sich diese definieren? Wann ist die Berechnung eines arithmetischen Mittels wenig sinnvoll?
3 Kennwerte der zentralen Tendenz Modalwert arithmetisches Mittel Median 3
4 diese Woche Kennwerte der Dispersion: Variationsbreite (Range) Standardabweichung Varianz Standardfehler Darstellung und Bericht der Daten (Tabellen, Grafiken)
5 Kennwerte der Dispersion Varianzbreite (range) Varianz Standardabweichung (Streuung)
6 Variationsbreite Differenz zwischen dem größten und kleinsten Messwert einer Verteilung leicht bestimmbar abhängig von den Extremwerten wenig stabil gegenüber Zufallseinflüssen
7 Variationsbreite Rosenbeispiel: Max(Rosen) = 7 Tage Min(Rosen) = 2 Tage Range(Rosen) = 2 Tage 7 Tage = 5 Tage Königreich-Beispiel: Max(Land) = 1000 Taler Min(Land)= 8 Taler Range(Land)= 1000 Taler 8 Taler = 992
8 Varianz misst die Streuung der Werte relativ zum Erwartungswert ist die Summe der Abweichungsquadrate aller Werte durch die Anzahl der Werte (vgl. Howell, 2002, S. 48 u. 55) ist der wahre Mittelwert bekannt (wird z.b. die ganze Grundgesamtheit untersucht), dann berechnet sich die Varianz für die Population wie folgt: σ 2 N = i=1 x i µ 2 N µ - Mittelwert der Population N Anzahl der Elemente in der Population
9 Varianz Beispiel: Noten einer Schulklasse Summe der Werte Mittelwert
10 Varianz bei Stichproben Ist der Populationskennwert (z.b. Mittelwert) nicht bekannt, sondern muss geschätzt werden, so berechnet man die sogenannte korrigierte Stichprobenvarianz: s 2 = i=1 n x i x 2 n 1 x Mittelwert der Stichprobe n Anzahl der Elemente in der Stichprobe Bei kleinen Stichproben ergibt sich durch die Subtraktion von eins eine relativ größere Varianz als bei großen Stichproben. Würden die Abweichungen nicht quadriert, wäre die Summe gleich Null.
11 Varianz Dichten zweier normalverteilter Zufallsvariablen mit gleichem Erwartungswert (0) aber unterschiedlichen Varianzen. rot = geringe Varianz grün = hohe Varianz
12 Standardabweichung (engl. standard deviation, sd, σ) Wurzel der Varianz s = s 2 = n i=1 x i n 1 x 2 Deskriptive Statistik 12
13 Vorteile von Varianz und Standardabweichung von zufälligen Extremwerten kaum beeinflusst hängen von allen Messwerten einer Verteilung ab sind zuverlässige Schätzwerte für die Streuung in der Grundgesamtheit für Prüfstatistik geeignet
14 Standardabweichung Für die Standard-Normalverteilung gilt: ca. 68% ca. 95.5%
15 Standardabweichung Konfidenzintervall Prozent innerhalb 0, σ 50% 0, σ 68% 1σ 68,269% 1, σ 80% 1, σ 90% 1, σ 95% 2σ 95,45% 2, σ 99% 3σ 99,73% 3, σ 99,9% 3, σ 99,99% 4σ 99, %
16 Standardabweichung Konfidenzintervall Prozent innerhalb 0, σ 50% 0, σ 68% 1σ 68,269% 1, σ 80% 1, σ 90% 1, σ 95% 2σ 95,45% 2, σ 99% 3σ 99,73% 3, σ 99,9% 3, σ 99,99% 4σ 99, %
17 Standardabweichung Beispiel Die Körpergröße des Menschen ist näherungsweise normalverteilt. Bei einer Stichprobe von Mädchen und Jungen zwischen 14 und 18 Jahren wurde bei den Mädchen eine durchschnittliche Körpergröße von 166,3 cm (Standardabweichung 6,39 cm) und bei den Jungen eine durchschnittliche Körpergröße von 176,8 cm (Standardabweichung 7,46 cm) gemessen. Demnach lässt obige Schwankungsbreite erwarten, dass 68,3 % der Mädchen eine Körpergröße im Bereich 166,3 cm ± 6,39 cm und 95,4 % im Bereich 166,3 cm ± 12,78 cm haben, 16 % [ (100 % 68,3 %)/2] der Mädchen kleiner als 160 cm (und 16 % entsprechend größer als 173 cm) sind und 2,5 % [ (100 % 95,4 %)/2] der Mädchen kleiner als 154 cm (und 2,5 % entsprechend größer als 179 cm) sind. Für die Jungen lässt sich erwarten, dass 68 % eine Körpergröße im Bereich 176,8 cm ± 7,46 cm und 95 % im Bereich 176,8 cm ± 14,92 cm haben, 16 % der Jungen kleiner als 169 cm (und 16 % größer als 184 cm) und 2,5 % der Jungen kleiner als 162 cm (und 2,5 % größer als 192 cm) sind.
18 Varianz und Standardabweichung Varianz (s 2 ): Summe der Abweichungsquadrate aller Messwerte einer Verteilung von ihrem arithmetischen Mittel dividiert durch die Anzahl der Messungen (-1) Standardabweichung (s): Quadratwurzel aus der Varianz
19 Standardfehler auch: Stichprobenfehler Arbeiten wir mit Stichproben (weil Daten über die Grundgesamtheit nicht verfügbar sind), dann wird jede Stichprobe einen leicht anderen Kennwert aufweisen. Diese Kennwerte der einzelnen Stichproben variieren um den tatsächlichen Kennwert der Population. Die Kennwerte der einzelnen Stichproben sind dabei normalverteilt (um den Populationskennwert). Die Standardabweichung der Stichproben-Kennwerte ist dabei der Stichprobenfehler (Standardfehler).
20 Standardfehler Der Standardfehler des arithmetischen Mittels ist gleich σ X = σ n wobei σ die Standardabweichung einer einzelnen Messung bezeichnet. Der Standardfehler ist abhängig von der Standardabweichung der Grundgesamtheit und der Größe der Stichprobe (n).
21 Standardfehler (Stichprobenfehler) Differenz zwischen dem Kennwert einer Stichprobe und dem wahren Wert der entsprechenden Grundgesamtheit die Stichprobenmittelwerte bilden ihrerseits eine Verteilung der Mittelwert der Stichprobenverteilung ist der beste Schätzwert für den Parameter der Grundgesamtheit wenn die Zahl der Stichproben gegen Unendlich geht, ist die Verteilung der Stichprobenmittelwerte stets normal je größer die Variabilität des Merkmals in der Grundgesamtheit ist, desto größer ist auch der Standardfehler des Mittelwerts je kleiner die Größe der Stichprobe ist, desto größer ist der Standardfehler des Mittelwerts
22 Jahr Standardfehler Beispiel Für die Eiscreme-Daten * wurde für den Pro-Kopf Verbrauch von Eiscreme (gemessen in Pint) das arithmetische Mittel, dessen Standardfehler und die Standardabweichung für die Jahre 1951, 1952 und 1953 berechnet. Für die Jahre 1951 und 1952 sind die geschätzten Mittelwerte und Standardabweichungen sowie die Beobachtungszahlen etwa gleich. Deswegen ergeben die geschätzten Standardfehler auch etwa den gleichen Wert. Im Jahr 1953 sind zum einen die Beobachtungszahlen geringer als auch die Standardabweichung größer. Daher ist der Standardfehler fast doppelt so groß wie die Standardfehler aus den Jahren 1951 und Mittelwert Standardfehler des Mittelwerts Standardabweichung Anzahl der Beobachtunge n , , , , , , , , , * Koteswara Rao Kadiyala (1970) Testing for the independence of regression disturbances. Econometrica, 38, Siehe auch:
23 Standardfehler vs. Standardabweichung Der Standardfehler ist die Standardabweichung der geschätzten Parameter in vielen Stichproben. Im Gegensatz dazu bildet die Standardabweichung die tatsächlich vorhandene Streuung ab (entweder in der Population: σ, oder in der Stichprobe: s). Diese Streuung ist auch bei höchster Messgenauigkeit und unendlich vielen Einzelmessungen vorhanden. Sie zeigt, ob die Einzelwerte nahe beieinander liegen oder eine starke Spreizung der Daten vorliegt.
24 Exkurs: Quantile (zu Streuungsmaßen) Beispiel: Reaktionszeitdaten 200 Messungen Mittelwert: 540.8ms Standardabweichung: ms (Range: ) (Median: 544.1)
25 Exkurs: Quantile (zu Streuungsmaßen)
26 Exkurs: Quantile (zu Streuungsmaßen)
27 Exkurs: Quantile (zu Streuungsmaßen) Median 25% 50% 75 % 100 %
28 Exkurs: Quantile / Quartile (zu Streuungsmaßen) Median Q 0,25 (unteres Quartil) Q 0,50 (mittleres Quartil) Q 0,75 (0,75-Quantil, oberes Quartil)
29 Zum Beispiel Ausgabe in R: summary(test.rt) Min. 1st Qu. Median Mean 3rd Qu. Max
30 Quantile Ein Quantil ist ein Lagemaß in der Statistik. Das p-quantil ist ein Wert einer Variablen, der die Menge aller Merkmalswerte (salopp "die Verteilung") in zwei Abschnitte unterteilt: Links vom p-quantil liegt der Anteil p p*100% aller Beobachtungswerte oder der Gesamtzahl der Zufallswerte oder der Fläche unter der Verteilungskurve; rechts davon liegt der jeweilige restliche Anteil 1-p (1-p)*100%. Die Zahl p heißt auch der Unterschreitungsanteil. Spezielle Quantile sind der Median, die Quartile (sowie die Quintile, die Dezile und die Perzentile). Deskriptive Statistik 30
31 Quartile Quartile (lat. Viertelwerte ) sind die Quantile Q 0,25 (0,25- Quantil), Q 0,5 (0,5-Quantil=Median) und Q 0,75 (0,75-Quantil), die auch als Q1 ( unteres Quartil ), Q2 ( mittleres Quartil ) und Q3 ( oberes Quartil ) bezeichnet werden. Sie sind die in der Statistik mit am häufigsten verwendete Form der Quantile. Der (Inter-)Quartilabstand (engl. interquartile range) bezeichnet die Differenz zwischen dem oberen und dem unteren Quartil, also Q 0,75 -Q 0,25 und umfasst daher 50 % der Verteilung. Der Quartilabstand wird auch als Streuungsmaß verwendet. Deskriptive Statistik 31
32 zu den Quantilen zu merken: Zur Visualisierung von Verteilungen sind Boxplots gut geeignet. Quantile teilen die Verteilung in einen Bereich oberhalb und unterhalb. Spezielle Quantile sind der Median (0.5) sowie die Quartile (0.25; 0.5 und 0.75).
33 Deskriptive Statistik Bericht
34 Deskriptive Statistik Bericht Die Werte der deskriptiven Statistik können auf verschiedene Weise berichtet werden: Zahlen (im Text) Tabellen Grafiken American Psychological Association (1994). Publication manual of the American Psychological Association. Washington, DC: APA.
35 Zur Erinnerung: deskriptive Statistik erfolgt immer vor Inferenzstatistik! Beschreibung der Daten anhand von Kennwerten Anzahl der gültigen Werte Kennwerte der zentralen Tendenz Kennwerte der Streuung
36 Deskriptive Statistik Text For the analyses of the reaction time experiment, we included participants with error scores less than 20%. [ ] Thus, the data of seven participants were removed from further analyses. Similarly, four nouns from the low singular frequency condition were removed due to error percentages exceeding 30%. (Schreuder & Baayen, 1997, p. 129) 36
37 We excluded the data from one participant whose residual reading times were extremely slow (2.5 standard deviations away from the average). To remove outlier data points, the residual reading times were trimmed so that data points beyond three standard deviations from the relevant condition and position cell mean were discarded, corresponding to less than 1.8% of the data. The reading time data that we report corresponds to all the remaining data, whether or not the comprehension questions were answered correctly. (Nakatani & Gibson, 2008, p. 76)
38
39 Deskriptive Statistik Tabellarische Darstellung Hartsuiker, Kolk, & Huiskamp (1999) 39
40 Deskriptive Statistik Tabellarische Darstellung American Psychological Association (1994). Publication manual of the American Psychological Association. Washington, DC: APA. 40
41 Deskriptive Statistik Tabellarische Darstellung Smith & Wheeldon (2001) 41
42 Deskriptive Statistik Tabellarische Darstellung Rastle, Davis, & New (2004) 42
43 Deskriptive Statistik Abbildungen Säulen und Balken Linien Punkte selten Kreisdiagramme ("Torten") 43
44 Säulendiagramme Für welches Skalenniveau gut geeignet?
45 Säulendiagramme
46 Säulendiagramme
47 Säulendiagramme Abbildung: Säulen American Psychological Association (1994). Publication manual of the American Psychological Association. Washington, DC: APA. 47
48 Säulendiagramme Abbildung: gestapletes Säulendiagramm Bernolet, Hartsuiker, & Pickering (2009) 48
49 Scatterplot Für welches Skalenniveau gut geeignet?
50 Liniendiagramme Abbildung: Linien American Psychological Association (1994). Publication manual of the American Psychological Association. Washington, DC: APA. 50
51 Abbildung: Linien Liniendiagramme Für welches Skalenniveau gut geeignet? Nakatani & Gibson (2008) 51
52 Liniendiagramme Abbildung: Linien Dahan, Tanenhaus, & Chambers, (2002) 52
53 Tortendiagramme sollte man nach Möglichkeit nicht verwenden.
54 Tortendiagramme
55 Tortendiagramme
56 Tortendiagramme
57 Tortendiagramme
58 Tortendiagramme
59 Die gleichen Daten als Tortendiagramme? In welcher Relation stehen zum Beispiel Kategorie e und h zu einander?
60 Tortendiagramme
61 Beispiele der Übungsdaten Rosen-Beispiel von letzter Woche
62 Beispiel: Rosen-Experiment Hypothetisches Szenario: Karl ist Rosenzüchter. Er möchte herausfinden, wie lange es dauert, bis eine frische Rose seiner neuen Züchtung in einer Vase mit Wasser verwelkt. (Eigenschaft der Population) Vorgehen: Am Tag des Aufblühens wird eine Rose abgeschnitten und in eine genormte Vase mit Wasser gestellt. Notiert wird am wievielten Tag das erste Blütenblatt welkt ist. Karl führt diesen Versuch mit insgesamt 100 Rosen durch. 62
63 Ergebnis: Versuch Nr Verblüh-Tag
64 Bericht (deskriptive Daten): Insgesamt wurden 100 Exemplare untersucht. Die durchschnittliche Blühdauer betrug 4.41 Tage (SD = 1.23, Range = 1-7).
65 Ausblick: Verändert sich die Haltbarkeit, wenn die Rosen nicht nur in normales Wasser gestellt werden, sondern dem Wasser noch Zucker zugesetzt wird?
66 Fragen, die Sie nach der heutigen Sitzung beantworten können sollten Welche Kennwerte der Dispersion kennen Sie? Wie werden sie berechnet? Was sind die Vorteile der Varianz gegenüber der Variationsbreite? Was versteht man unter dem Standardfehler(Stichprobenfehler)? Wieviel Prozent der Werte liegen bei einer Normalverteilung ca. im Bereich von Mittelwert +/- 2 Standardabweichungen?
67 Ausblick nächste Woche: Inferenzstatistik
68 Statistik Auf Messergebnisse werden i.d.r. statistische Tests angewandt, die aussagen, wie wahrscheinlich es ist, dass die beobachteten Ergebnisse zufällig sind oder ob sie auf die Grundgesamtheit verallgemeinert werden können. Liegt die ermittelte Irrtumswahrscheinlichkeit unter einem vorher festgelegten Niveau (Signifikanzniveau, i.d.r. < 5%), dann gelten die Ergebnisse als signifikant.
69 Grundgedanke Man will zum Beispiel ermitteln, ob eine Stichprobe der Grundgesamtheit entstammt. Man bestimmt den Kennwert einer Stichprobe (z.b. Mittelwert). Man vergleicht den Kennwert der Stichprobe mit dem entsprechenden Kennwert der Population. Man berechnet, wie wahrscheinlich es ist, dass die Differenz der Kennwerte zufällig ist. (Die Wahrscheinlichkeit, dass die gemessene Abweichung der Stichprobe von der Population zufällig ist)
Statistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrQuantitative Methoden (Vertretung für Prof. Th. Pechmann)
Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Inferenzstatistik I: Zusammenhänge (Korrelationen) Logik inferenzstatistischer Verfahren Andreas Opitz Universität Leipzig Institut für Linguistik
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrUniv.-Prof. Dr. Georg Wydra
Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
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
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 14.04.2016 1 Daniel Stekhoven 14.04.2016 2 Überblick Lernziele Erledigt! Grundlagen Wahrscheinlichkeitsmodell
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
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.
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
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
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrStatistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
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
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrInhaltsverzeichnis. 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
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 13.12.2006 1 Schätzung von Populationskennwerten Stichprobenkennwerte als Schätzmaße für den Populationsmittelwert Punktschätzung: nur ein Stichprobenkennwert wird angegeben
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
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
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
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
Mehrberuflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
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
MehrBiomathematik 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,
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
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
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
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
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
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
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
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
MehrStatistik in R Block 1: April 1
Statistik in R Block 1: 24-26.April 1 Statistik in R Ziele: Theoretische Grundlagen der deskriptiven Statistik und der Prüfstatistik Anwendung in der Phonetik Berechnungen mit R Themen Übungen mit R 1.
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrBiostatistik, WS 2017/18 Der Standardfehler
1/70 Biostatistik, WS 2017/18 Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 24.11.2017 3/70 Ein Versuch Hirse Bild: Panicum miliaceum 4/70 Ein Versuch Ein Versuch Versuchsaufbau:
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
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrPopulation und Stichprobe Wahrscheinlichkeitstheorie II
Population und Stichprobe Wahrscheinlichkeitstheorie II 5. Sitzung 1 S. Peter Schmidt 2003 1 Stichprobenziehung als Zufallsexperiment Definition Stichprobe: Teilmenge der Elemente der Grundgesamtheit bzw.
MehrThema der Stunde. I. Die Form der Stichprobenkennwerteverteilung. II. Schlüsse von der Stichprobe auf die Population
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung II. Schlüsse von der Stichprobe auf die Population III. t-test für unabhängige und abhängige Stichproben Stichprobenkennwerte Population
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
MehrForschungsstatistik 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/
MehrKonfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrBOXPLOT 1. Begründung. Boxplot A B C
BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
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
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr