2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)

Größe: px
Ab Seite anzeigen:

Download "2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)"

Transkript

1 2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Aufgabe 1: Ein Versuch mit einem Schlafmittel In einem klinischen Versuch sollte die Wirksamkeit eines Schlafmittels getestet werden. Dazu wurden von den Patienten, die in einer Klinik für Schlafstörungen eingewiesen waren, zufällig 10 Patienten ausgewählt, die ein neuartiges Schlafmittel erhielten (Behandlungsgruppe), und 10 weitere Patienten, denen nur eine wie das Schlafmittel aussehende und schmeckende, wirkungslose Pille verabreicht wurde (Kontrollgruppe). Um die Wirksamkeit zu bestimmen, wurden jeweils zunächst die Schlafdauer in der Nacht vor der ersten Einnahme bestimmt. Vor der zweiten Nacht wurde den Patienten dann das Schlafmittel bzw. das Placebo gegeben. Die Schlafdauer der zweiten Nacht wurde ebenfalls ermittelt. Als Daten haben wir die Informationen, welches Mittel der Patient erhalten hat (Behandlung=Schlafmittel, Kontrolle=wirkungsloses Placebo), und wie viel länger die Patienten in der zweiten Nacht geschlafen haben (in Stunden). Ziel der Untersuchung ist es nachzuweisen, dass das Schlafmittel bei den in der Klinik behandelten Schlafstörungen wirkt, aber so weit kommen wir heute noch nicht. MehrSchlaf Gruppe Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Kontrolle Behandlung Behandlung Behandlung Behandlung Behandlung Behandlung Behandlung Behandlung Behandlung Behandlung (1) Wie liegen die Daten vor? Tip: Z.B. als Datenmatrix, Datentafel, unvorbereitet... (2) Welche Variablen gibt es und was bedeuten Sie? (Mündlich, reden Sie mit Ihrem Nachbarn darüber!) Tip: Schock, hier werden ganz schuluntypische Sachen erwartet. 1

2 (3) Welche Skala haben die einzelnen Variablen? Tip: Z.B. ordinal (4) Stichprobe und/oder Zufallsexperiment? (5) Ist das eine Ein-, Zwei- oder Mehrstichprobensituation? (6) Wofür könnten diese Daten repräsentativ sein? Tip: Also was könnte die Grundgesamtheit oder das Zufallsexperiement sein? (7) Welche Annahme müssen wir über die Datenerhebung treffen, damit die Daten dafür repräsentativ sind? Tip: Naja, nach Vorlesung... (8) Was sind die Grundgesamtheiten/Zufallsexperimente genau? Tip: Da muss man wirklich kreativ sein. 2

3 (9) Sind die Daten laut Beschreibung für diese Grundgesamtheit(en)/Zufallsexperiment(e) repräsentativ? Warum? (10) Worüber kann man mit diesem Versuchsaufbau statistische Aussagen treffen? O Über die Qualität der medizinischen Versorgung in dem Krankenhaus. O Über die Wirksamkeit des Medikaments bei den Patienten in der Grundgesamtheit. O Über die Wirkung des Medikaments auf alle Menschen. O Über den Schlafmittelverbrauch auf der Schlafstation. O Über gar nichts, da die Daten nicht repräsentiv sind. O Über gar nichts, da die Daten repräsentiv sind. O Über gar nichts, da die Daten zufällig sind. (11) Welche Graphik eignet sich zur Darstellung der Häufigkeiten der Auswahl von Schlafmittel und Placebo? Tip: Was ist das Skalenniveau? Was ist also die Graphik? (12) Für die in der Orginalpublikation verwendeten Verfahren benötigt man Normalverteilung der Daten in der Behandlungsgruppe. Welche statistische Graphik würde sich eignen, um zu erkennen, ob diese Daten einigermaßen normalverteilt sind. Tip: Was ist das Skalenniveau? Was ist die Frage? Was ist also die Graphik? (13) Welche statistische Graphik würde sich eignen, um die Behandlungserfolge mit und ohne Medikament zu vergleichen und eventuelle Ausreißer zu erkennen? Tip: Da brauchen Sie jetzt keinen Tip mehr! (14) Zeichnen Sie diese Graphik für den konkreten Datensatz. Vergessen Sie nicht die Achsen zu beschriften. 3

4 (15) Ist etwas an der Graphik ungewöhnlich? Wenn ja was? Tip:Es muß nichts ungewöhnlich sein. Sie sollten sich diese Frage einfach immer stellen. (16) Wie sind die Daten verteilt soweit sie das aus der Graphik erkennen können? Tip: Man kann in dieser Graphik nur bestimmte Aspekte der Verteilung erkennen. (17) Gibt es Ausreißer oder Bindungen? Tip: Nur eines davon sehen sie in der Graphik, das andere wissen Sie. (18) Wird der optische Eindruck durch Besonderheiten verfälscht? Tip: Wenn sie keine erkennen dann vielleicht, weil... (19) Welche Abhängigkeiten sind erkennbar? Wenn ja, wie sind sie? (20) Entsprechend die Beobachtungen dem, was man inhaltlich erwarten würde? Tip:Also Schlafmittel,... (21) Fällt Ihnen sonst etwas auf? (22) Was denken Sie: Welche Beruf übt jemand aus, der solche Datensätze analysiert. Wie schätzen Sie seine Statistikausbildung im Verhältnis zu der ein, die Sie dieses Semester erhalten werden. 4

5 (23) Beschreiben Sie eine Situation in der jemand in Ihrem angestrebten Beruf einen ähnlichen Datensatz erheben könnte. Tip: Die gibt es bestimmt. Vielleicht sähe der Datensatz aber etwas anders aus. Seien Sie kreativ. Aufgabe 2: Zu dem Aquiferdatensatz von letzter Woche zeigen wir einige Graphiken. > aqui <- read.table("aqui.txt", header = TRUE) > aqui Teufe Type Poren Poren Poren Poren Poren Poren Poren Kluft Kluft Kluft Kluft Kluft Kluft > attach(aqui) > par(mfrow = c(3, 3)) > boxplot(teufe ~ Type, ylab = "") > boxplot( ~ Type, ylab = "") > boxplot( ~ Type, ylab = "") > boxplot(, ylab = "") > qqnorm(, main = "") > hist() > plot(teufe, ) > boxplot(, ylab = "") > qqnorm(, main = "") > detach(aqui) 5

6 Kluft Poren Kluft Poren Kluft Poren Histogram of Sample Quantiles Frequency Theoretical Quantiles Sample Quantiles Teufe Theoretical Quantiles (1) Ist etwas ungewöhnlich? Was? (2) Wie sind die Daten verteilt? (3) Gibt es Ausreißer oder Bindungen? 6

7 (4) Wird der optische Eindruck durch Besonderheiten verfälscht (z.b. Bindungen, zu kleine Balken, Überlagerung) (5) Welche Abhängigkeiten sind erkennbar? (6) Sind die Abhängigkeiten stark oder schwach, linear oder nichtlinear, zunehmend oder abnehmend? (7) Entsprechend die Beobachtungen dem, was man inhaltlich erwarten würde? (8) Was fällt sonst auf? 7

a <- c("w","e") # Alle elementaren Datentypen können zusammengefasst werden a # Der Umgang mit den Vektoren hängt nicht vom Datentyp ab

a <- c(w,e) # Alle elementaren Datentypen können zusammengefasst werden a # Der Umgang mit den Vektoren hängt nicht vom Datentyp ab Übung 02 - Datenanalyse und Statistik WS 2008/2009 # Starten Sie JGR! # Tutorial: Skalenniveaus in R #- Zahlen und Zeichen 1:4 # Zahlenfolge "Hallo" # Zeichenfolge a

Mehr

Stochastik und Statistik Vorlesung 3 (Graphik II)

Stochastik und Statistik Vorlesung 3 (Graphik II) Stochastik und Statistik Vorlesung 3 (Graphik II) K.Gerald van den Boogaart http://www.stat.boogaart.de Stochastik und Statistik p.1/48 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen

Mehr

6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)

6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) 6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Die Resultate benötigter Tests werden durch die Übungsleiter gegeben (Folie) und erst nach den erfolgten Übungen zum Nacharbeiten ergänzt! An

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik Vorlesung 3 (Graphik II) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p.1/48 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik Vorlesung 3 (Graphik II) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p.1/48 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik Vorlesung 3 (Graphik für andere Skalen) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 1 Daten Schätzung Test Mathe Die Datenminen Riesige

Mehr

Klausur Stochastik und Statistik (WS 2007/08) Matrikelnummer: Fachrichtung: Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: 8 A

Klausur Stochastik und Statistik (WS 2007/08) Matrikelnummer: Fachrichtung: Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: 8 A Klausur Stochastik und Statistik (WS 2007/08) Name: Matrikelnummer: Fachrichtung: Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: 8 A Aufgabe 1: Aufgabe: Datenanalyse und Tests Der

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

7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17

7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.

Mehr

6. weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17

6. weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 6. weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: An der Universität Kassel wurde eine neue Herstellungsweise von besonders hartem Beton entwickelt. Um festzustellen, ob andere

Mehr

Ferienkurse Mathematik Sommersemester 2009

Ferienkurse Mathematik Sommersemester 2009 Ferienkurse Mathematik Sommersemester 2009 Statistik: Grundlagen 1.Aufgabenblatt mit praktischen R-Aufgaben Aufgabe 1 Lesen Sie den Datensatz kid.weights aus dem Paket UsingR ein und lassen sie die Hilfeseite

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge

Mehr

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,

Mehr

Verfahren für metrische Variable

Verfahren für metrische Variable Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen

Mehr

Klausur Datenanalyse und Statistik (WS 2015/16)

Klausur Datenanalyse und Statistik (WS 2015/16) Klausur Datenanalyse und Statistik (WS 2015/16) Matrikelnummer: Fachrichtung: Aufgabe: 1 2 3 4 5 6 Pkt. mgl. 8 7 8 12 5 14 54 Pkt erreicht: ZP Unter der folgenden Nummer finden Sie Ihr Ergebnis später

Mehr

PVK Statistik Tag Carlos Mora

PVK Statistik Tag Carlos Mora PVK Statistik Tag 2 11.1.2012 Block 4 Block 3 Übersicht 11.1.2012 09:00 6. Zwei-Stichproben-Tests für stetige Verteilungen (2.Teil) Übung 2C 1h inkl. Pause 7. Lineare Regression 12:00 Übung 3 Mittag 13:00

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Basis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Deskriptive Statistik

Basis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Deskriptive Statistik Mit Datensatz Daten_SPSS_Kurs_I.sav 1) Die Ergebnisse der Studie sollen in einem medizinischen Journal veröffentlicht

Mehr

Statistik für Ingenieure Vorlesung 12

Statistik für Ingenieure Vorlesung 12 Statistik für Ingenieure Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 23. Januar 2017 5.1.1. Tests für eine Stichprobe mit stetiger Skala a) Shapiro-Wilk-Test

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

Statistik II (Sozialwissenschaften)

Statistik II (Sozialwissenschaften) Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,

Mehr

Ein metrisches Merkmal

Ein metrisches Merkmal Kapitel 4 Ein metrisches Merkmal 4.1 Wie kann man ein metrisches Merkmal numerisch beschreiben? Häufigkeitstabellen erzeugt man mit table. Das arithmetische Mittel und den Median berechnet man mit mean

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren

Mehr

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2. Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay

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

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2 Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller

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

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

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik 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

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

Statistik Vorlesung Statistik 1

Statistik Vorlesung Statistik 1 Statistik p. 1/47 Statistik Vorlesung Statistik 1 K.Gerald van den Boogaart http://www.stat.boogaart.de/ Statistik p. 2/47 Organisation Webseite (Folien, Skript, Probeklausuren, Organisation) Statistik

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

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 () Überblick. Deskriptive Statistik I - Grundlegende

Mehr

Stochastik und Statistik Vorlesung 2 (Graphik I)

Stochastik und Statistik Vorlesung 2 (Graphik I) Stochastik und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.math-inf.uni-greifswald.de/statistik Stochastik und Statistik p.1/44 Daten Schätzung Test Mathe Die Datenminen Riesige

Mehr

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

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:

Mehr

3. Lektion: Deskriptive Statistik

3. Lektion: Deskriptive Statistik Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive

Mehr

Biomathematik für Mediziner

Biomathematik 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

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik II. Statistische Tests. Statistik II Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente... Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,

Mehr

Statistik Vorlesung Statistik 1

Statistik Vorlesung Statistik 1 Statistik Vorlesung Statistik 1 K.Gerald van den Boogaart http://www.stat.boogaart.de/ Statistik p. 1 Organisation Webseite http://stat.boogaart.de/ Bildungsserver https://bildungsportal.sachsen.de/opal

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

Statistik für Ökonomen

Statistik für Ökonomen Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle

Mehr

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg

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

Mehr

Statistik für Ingenieure Vorlesung 7

Statistik 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

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

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

Notenpunkte: Unterschrift: Zur Bestimmung des arithmetischen Mittels ist es wichtig die Daten der Größe nach zu ordnen.!!

Notenpunkte: Unterschrift: Zur Bestimmung des arithmetischen Mittels ist es wichtig die Daten der Größe nach zu ordnen.!! Name: Seite 1 von 11 Universität Kassel 29. April 2009 Biehler / Hofmann Elementare Stochastik 1 2 3 4 5 6 7! 12 5 9 4 13 4 13 60 Notenpunkte: Unterschrift: Aufgabe 1 Aussagen (12 Punkte) Kreuzen Sie an,

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten

Mehr

Stochastik und Statistik Vorlesung 2 (Graphik I)

Stochastik und Statistik Vorlesung 2 (Graphik I) Stochastik und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Stochastik und Statistik p.1/44 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen

Mehr

1. Datei Informationen

1. Datei Informationen 1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 001/00 Aufgabe 1: Die empirische Varianz

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt

Mehr

Mathematik. Schuljahr 1

Mathematik. Schuljahr 1 Mathematik 1 Duales Berufskolleg Mathematik Schuljahr 1 Fachrichtung Soziales 2 Mathematik Vorbemerkungen Die Schülerinnen und Schüler lernen im Fach Mathematik einfache naturwissenschaftliche Sachverhalte

Mehr

Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...

Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten... Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5

Mehr

Schweizer Statistiktage, Aarau, 18. Nov. 2004

Schweizer Statistiktage, Aarau, 18. Nov. 2004 Schweizer Statistiktage, Aarau, 18. Nov. 2004 Qualitative Überprüfung der Modellannahmen in der linearen Regressionsrechnung am Beispiel der Untersuchung der Alterssterblichkeit bei Hitzeperioden in der

Mehr

Nachklausur zur Vorlesung. Statistik für Studierende der Biologie

Nachklausur zur Vorlesung. Statistik für Studierende der Biologie Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:

Mehr

Angewandte Statistik 3. Semester

Angewandte 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

Mehr

Statistik-Klausur I E SS 2010

Statistik-Klausur I E SS 2010 Statistik-Klausur I E SS 2010 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:

Mehr

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse

Mehr

Multiple Lineare Regression. Statistik (Biol./Pharm.) Herbst 2012

Multiple Lineare Regression. Statistik (Biol./Pharm.) Herbst 2012 Multiple Lineare Regression Statistik (Biol./Pharm.) Herbst 2012 Wdh: Einfache lineare Regression Modell: Y i = β 0 + β 1 x i + ε i, ε i ~N 0, σ 2 i. i. d Finde β 0, β 1 : Methode der kleinsten Quadrate

Mehr

Nachklausur zur Vorlesung

Nachklausur zur Vorlesung Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei

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

Übung 4 im Fach "Biometrie / Q1"

Übung 4 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.

Mehr

Wolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler

Wolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 3., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme 3 1.1 Kleine Einführung

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen mit dem Applet Wahrscheinlichkeitsnetz Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung

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

Statistik-Klausur A WS 2009/10

Statistik-Klausur A WS 2009/10 Statistik-Klausur A WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 21. Januar 2015 1 t-tests für Erwartungswerte Verbundene und unverbundene Stichproben

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Die Bevölkerungsentwicklung in Deutschland

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Die Bevölkerungsentwicklung in Deutschland Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Die Bevölkerungsentwicklung in Deutschland Das komplette Material finden Sie hier: School-Scout.de SCHOOL-SCOUT Statistiken analysieren

Mehr

Übung 3 im Fach "Biometrie / Q1"

Übung 3 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.

Mehr

Effektgrößen. Evidenz-basierte Medizin und Biostatistik, Prof. Andrea Berghold

Effektgrößen. Evidenz-basierte Medizin und Biostatistik, Prof. Andrea Berghold Effektgrößen 2x2Tafel Therapie Medikament 1 Medikament 2 Summe Misserfolg 450 = a 300 = c 750 = (a+c) Endpunkt Erfolg 550 = b 700 = d 1250 = (b+d) Vergleich von 2 Therapien; Endpunkt binär Summe 1000 =

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau

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

Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung

Verteilungen 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

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019 Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z

Mehr

Statistik für Ökonomen

Statistik für Ökonomen Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren

Mehr

Statistik I für Betriebswirte Vorlesung 8

Statistik 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

Mehr

Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen.

Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. 1 Einleitung...1 1.1 Die Bedeutung der Statistik für die Medizin...1 1.2 Die medizinische

Mehr

Mehrdimensionale Zufallsvariablen

Mehrdimensionale Zufallsvariablen Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

1 Einleitung und Grundlagen 1

1 Einleitung und Grundlagen 1 Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige

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

Inhaltsverzeichnis. Teil I Einführung

Inhaltsverzeichnis. Teil I Einführung Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...

Mehr

Grundlegende Eigenschaften von Punktschätzern

Grundlegende Eigenschaften von Punktschätzern Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur

Mehr

Über dieses Buch Die Anfänge Wichtige Begriffe... 21

Über dieses Buch Die Anfänge Wichtige Begriffe... 21 Inhalt Über dieses Buch... 12 TEIL I Deskriptive Statistik 1.1 Die Anfänge... 17 1.2 Wichtige Begriffe... 21 1.2.1 Das Linda-Problem... 22 1.2.2 Merkmale und Merkmalsausprägungen... 23 1.2.3 Klassifikation

Mehr

Stochastik und Statistik

Stochastik und Statistik Stochastik und Statistik p. 1/44 Stochastik und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Stochastik und Statistik p. 2/44 Daten Schätzung Test Mathe Die Datenminen

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p.1/44 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen

Mehr

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik... Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben

Mehr