3. Merkmale und Daten

Größe: px
Ab Seite anzeigen:

Download "3. Merkmale und Daten"

Transkript

1 3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46

2 3.1 Grundgesamtheiten Definition 3.1: (Grundgesamtheit, Merkmalsträger) Die Grundgesamtheit ist die Gesamtheit aller Einheiten, die statistisch untersucht werden sollen. Die Grundgesamtheit ist eine Menge und wird mit G bezeichnet. Ihre Elemente heißen Untersuchungseinheiten oder Merkmalsträger. Wir schreiben G = {e 1, e 2,..., e n }. Die Anzahl n der Elemente von G bezeichnet den Umfang der Grundgesamtheit. Wir notieren die Anzahl der Elemente von G mit G = n. 47

3 Weitere Begriffe: Bestandsmasse: GG, die durch einen Zeitpunkt abgegrenzt wird Bewegungsmasse: GG, die durch einen Zeitraum abgegrenzt wird Beispiele für Bestandsmassen: Lagerbestand eines Unternehmens am Handwerksbetriebe im Münsterland am

4 Beispiele für Bewegungsmassen: Neugegründete Betriebe in Münster im Jahr 2010 Studierende an der Uni Münster im WS 2010/2011 Offensichtlich: Bestands- und Bewegungsmassen hängen zusammen, und zwar über die sogenannte Bestandsveränderung 49

5 3.2 Merkmale Definition 3.2: (Merkmal, Merkmalsausprägung) Unter einem Merkmal versteht man eine Eigenschaft der Merkmalsträger, die statistisch untersucht werden soll. Ein Merkmal hat gewöhnlich verschiedene Merkmalsausprägungen. Merkmale notieren wir meist mit Großbuchstaben (X, Y etc.). Merkmalsausprägungen notieren wir meist mit indizierten griechischen Buchstaben (z.b. ξ 1, ξ 2 etc.). 50

6 Bisherige Notationszusammenfassung: Merkmalsträger: e 1, e 2,..., e n Grundgesamtheit: G = {e 1,..., e n } Merkmal (interessierende Eigenschaft): X, Y etc. Merkmalsausprägungen (Merkmalswerte): ξ 1, ξ 2,... 51

7 Beispiele: Grundgesamtheit Merkmal Ausprägungen Haushalte in der verfügbares [0, ) Euro BRD am Monatseinkommen Studierende der Geschlecht weibl., männl. WWU am

8 Typisierungen von Merkmalen: [I] Diskrete vs. stetige Merkmale Ein Merkmal heißt diskret, falls es nur eine abzählbare Menge von Ausprägungen annehmen kann (Vorsicht: abzählbar bedeutet nicht endlich!) Beispiele: Typischerweise Zählmerkmale wie Anzahl von Kindern, Anzahl von Fachsemestern etc. Ein Merkmal heißt stetig, falls es theoretisch alle reellen Zahlen (eines Intervalls) annehmen kann Beispiele: Gewichte, Temperaturen, Preise, Einkommen 53

9 Typisierungen von Merkmalen: [II] Qualitative vs. quantitative Merkmale Ein Merkmal heißt qualitativ, wenn seine Ausprägungen durch verbale Ausdrücke gegeben sind Beispiele: Beruf, Geschlecht, Farbe, Status Ein Merkmal heißt quantitativ, wenn seine Ausprägungen Zahlen sind Beispiele: Alter, Einkommen, Noten (falls Note durch Zahl ausgedrückt wird) 54

10 Wichtige Frage für den Statistiker: Welche Rechenoperationen sind mit den erhobenen Werten möglich? Antwort über Skalenniveaus der Daten: [I] Nominalskala Merkmalswerte haben nur Bezeichnungsfunktion (Codes) Rechenoperationen (Addition, Multiplikation etc.) sinnlos sind Beispiele: Geschlecht, Religionszugehörigkeit 55

11 Skalenniveaus: [II] Ordinalskala Es existiert eine natürliche Ordnung der Merkmalswerte Größe der Abstände zwischen den Merkmalswerten ist irrelevant Rechenoperationen sind sinnlos Beispiele: Klausurnoten, Windstärken Intervallskala Differenzen von je zwei Merkmalswerten können sinnvoll verglichen werden Frei wählbarer Maßstab Beispiel: Temperaturen (in Grad Celsius oder Fahrenheit) 56

12 Skalenniveaus: [III] Verhältnisskala Besitzt natürlichen Nullpunkt, aber keine natürliche Messeinheit Beispiele: Einkommen, Geldmenge (wenn keine Messeinheit vorgegeben ist) Absolute Skala Ist eindeutig bestimmt (natürlicher Nullpunkt und natürliche Messeinheit) Beipiele: Einkommen in Euro, Alter in Jahren etc. Ausdrucksweise: Intervall-, Verhältnis- und absolute Skala werden auch metrische Skalen genannt 57

13 3.3 Daten und ihre Erhebung Begriffserklärung: Unter dem Begriff Daten versteht man die beobachteten Werte eines oder mehrerer Merkmale Schreibweisen für Daten: Bei einem Merkmal X: x 1,..., x n Bei 2 Merkmalen X und Y : (x 1, y 1 ),..., (x n, y n ) 58

14 Weitere Begriffe: [I] Urliste: Die Gesamtheit aller erhobenen Daten nennt man Urliste Häufigkeitsverteilung: Die Häufigkeitsverteilung gibt für jeden Merkmalswert die Häufigkeit an, mit der dieser in den erhobenen Daten vorkommt Häufigkeitsverteilung (inklusive grafischer Darstellung) ausführlich in Kapitel 4 59

15 Weitere Begriffe: [II] Vollerhebung / Teilerhebung Vollerhebung: Ermittlung der Merkmalswerte aller Untersuchungseinheiten der Grundgesamtheit (z.b. Volkszählung) Auswertung nur eines Teils der Grundge- Teilerhebung: samtheit Mögliche Gründe: GG ist zu groß (Vollerhebung zu teuer) Beobachtung des Merkmals zerstört den Merkmalsträger (Qualitätskontrolle) 60

16 Weitere Begriffe: [III] Querschnitte / Zeitreihen / Panels Querschnitt: Erhebung der Werte eines Merkmals zur selben Zeit an verschiedenen Untersuchungseinheiten (z.b. Umsätze von Unternehmen im Jahre 2002) Zeitreihen: Erhebung der Werte eines Merkmals an derselben Untersuchungseinheit zu verschiedenen Zeitpunkten (z.b. BSP eines Landes über verschiedene Jahre) Panel: Kombination von Querschnitten und Zeitreihen (z.b. Jährliche Befragung von Haushalten nach ihrem Einkommen) 61

17 3.4 Amtliche und nichtamtliche Statistik Träger der Wirtschafts- und Sozialstatistik in der BRD: Amtliche Statistik Nichtamtliche Statistik Institutionen der amtlichen Statistik: Statistisches Bundesamt Bundesministerien Deutsche Bundesbank Bundesanstalten 62

18 Träger der nichtamtlichen Statistik: Unabhängige Wirtschaftswissenschaftliche Institute IFO (Institut für Wirtschaftsforschung, München) DIW (Deutsches Institut für Wirtschaftsforschung, Berlin) IfW (Institut für Weltwirtschaft, Kiel) RWI (Rheinisch-Westfälisches Institut für Wirtschaftsforschung, Essen) Wirtschaftsforschungsinstitute von Interessenverbänden Unabhängige, quasi halbamtliche Institutionen (z.b. Sachverständigenrat, Monopolkommission) Markt-, Meinungs- und Umfrageinstitute 63

Deskriptive Statistik Kapitel III - Merkmalsarten

Deskriptive Statistik Kapitel III - Merkmalsarten Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.

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

Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5)

Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5) Eigene MC-Fragen Grundbegriffe der Statistik (X aus 5) 1. Welche Reihenfolge ist zutreffend auf den Ablauf einer statistischen Untersuchung laut SB? A B C D Aufbereitung Erhebung Planung Auswertung C-D-A-B

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

1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK

1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition

Mehr

Alle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.

Alle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein. 1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau

Mehr

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

Mehr

Skalenniveau Grundlegende Konzepte

Skalenniveau Grundlegende Konzepte Skalenniveau Grundlegende Konzepte M E R K M A L / V A R I A B L E, M E R K M A L S A U S P R Ä G U N G / W E R T, C O D I E R U N G, D A T E N - M A T R I X, Q U A N T I T A T I V E S M E R K M A L, Q

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 16.04.2013 Gegenstand der Vorlesung und Grundbegriffe der

Mehr

Folien zur Vorlesung. Statistik I (Deskriptive Statistik)

Folien zur Vorlesung. Statistik I (Deskriptive Statistik) Folien zur Vorlesung Statistik I (Deskriptive Statistik) Wintersemester 2010/2011 Donnerstag, 10.00-11.30 Uhr Hörsaal: Aula am Aasee Prof. Dr. Bernd Wilfling Westfälische Wilhelms-Universität Münster Inhalt

Mehr

JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft

JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2

Mehr

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

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

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

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

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens

Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2014 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:

Mehr

Kai Schaal. Universität zu Köln

Kai Schaal. Universität zu Köln Deskriptive Statistik und Wirtschaftsstatistik Tutorium zur Anwendung von Statistik 1 in Excel Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

Skript. Stochastik. Beschreibende Statistik, Wahrscheinlichkeitsrechnung und schließende Statistik. Andreas Zeh-Marschke. Version 5.

Skript. Stochastik. Beschreibende Statistik, Wahrscheinlichkeitsrechnung und schließende Statistik. Andreas Zeh-Marschke. Version 5. Skript Stochastik Beschreibende Statistik, Wahrscheinlichkeitsrechnung und schließende Statistik Andreas Zeh-Marschke Version 5.1-013 Diplom-Mathematiker Andreas Zeh-Marschke Tauberring 16 b, 76344 Eggenstein-Leopoldshafen

Mehr

Statistik. Jan Müller

Statistik. Jan Müller Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen

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

Statistische Grundlagen I

Statistische 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.

Mehr

Vorlesung Stichproben WS 2009/2010

Vorlesung Stichproben WS 2009/2010 Institut für Statistik Statistisches Beratungslabor Prof. Dr. Helmut Küchenhoff WS 2009/2010 http://www.stat.uni-muenchen.de/~helmut/stichproben_0910.html Übung: Monia Mahling donnerstags 08:00 bis 10:00

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung

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

absolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten

absolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit

Mehr

Fachrechnen für Tierpfleger

Fachrechnen für Tierpfleger Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:

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

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

3 Lage- und Streuungsmaße

3 Lage- und Streuungsmaße 3 Lage- und Streuungsmaße Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum der Daten, Streuung der Daten um dieses Zentrum, Schiefe / Symmetrie

Mehr

Hey Tina! Was lernt man in diesem Kapitel?

Hey Tina! Was lernt man in diesem Kapitel? STATISTIK STATISTIK Hey Tina! Was lernt man in diesem Kapitel? Ganz einfach Tim! Hier lernt man alles, rund um das Thema Statistik. Es werden verschiedenste Begriffe erklärt, wichtige Maßzahlen vorgestellt,

Mehr

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind

Mehr

Kapitel 1: Gegenstand und Grundbegriffe der Statistik

Kapitel 1: Gegenstand und Grundbegriffe der Statistik Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik... 1 2. Einheiten, Masse, Merkmal... 3 3. Messen, Skalen... 9 a) Messung... 9 b) Skalenarten... 11 1. Gegenstand der Statistik

Mehr

Test auf den Erwartungswert

Test auf den Erwartungswert Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen

Mehr

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik I Deskriptive und Explorative Datenanalyse 2010 Übungsaufgaben und Lösungen Erkenntn nisgewinnung und Datenerhebung in der Psychologie [Übungsaufgaben

Mehr

Auswahlverfahren. Schnell, R. Hill, P. B. Esser, E. 1999, Methoden der empirischen Sozialforschung. München: Oldenbourg. Seiten ;

Auswahlverfahren. Schnell, R. Hill, P. B. Esser, E. 1999, Methoden der empirischen Sozialforschung. München: Oldenbourg. Seiten ; Auswahlverfahren Objektbereich & Grundgesamtheit Vollerhebung Volkszählung Teilerhebung angestrebte Grundgesamtheit Auswahlgesamtheit Inferenzpopulation Willkürliche Auswahl Bewußte Auswahl Schnell, R.

Mehr

Beispiel 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 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

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

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Didaktik der Stochastik

Didaktik der Stochastik Jürgen Roth Didaktik der Stochastik Modul 12a/b: Fachdidaktische Bereiche 2.1 Inhalt Didaktik der Stochastik 1 Ziele und Inhalte 2 Beschreibende Statistik 3 Wahrscheinlichkeitsrechnung 4 Beurteilende Statistik

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Fortgeschrittene Statistik SPSS Einführung

Fortgeschrittene Statistik SPSS Einführung Fortgeschrittene Statistik SPSS Einführung Q U A N T I T A T I V E M E R K M A L E, Q U A L I T A T I V E M E R K M A L E, A U S P R Ä G U N G E N, C O D I E R U N G E N, S K A L E N N I V E A U, D A T

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

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile 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

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

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.)

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein

Mehr

Müssen Texte statistisch anders ausgewertet werden als Menschen?

Müssen Texte statistisch anders ausgewertet werden als Menschen? CROCO LINGUISTIC PROPERTIES OF TRANSLATIONS A CORPUS-BASED INVESTIGATION FOR THE LANGUAGE PAIR ENGLISH-GERMAN Müssen Texte statistisch anders ausgewertet werden als Menschen? Stella Neumann Grundüberlegung

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

Skript zur Vorlesung Statistik

Skript zur Vorlesung Statistik Skript zur Vorlesung Statistik Dietrich Baumgarten «21. Mai 2012 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Übersicht und Lernziele........................... 1 1.2 Zum Begri Statistik.............................

Mehr

Einführung in die Statistik Einführung

Einführung in die Statistik Einführung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning

Mehr

Forschungsmethoden in der Sozialen Arbeit

Forschungsmethoden in der Sozialen Arbeit Forschungsmethoden in der Sozialen Arbeit Erhebungsinstrument Lehrveranstaltung an der Fachhochschule für Sozialarbeit und Sozialpädagogik "Alice Salomon" Hochschule für Soziale Arbeit, Gesundheit, Erziehung

Mehr

Lösungen zu Übung 1 (Kap. 1.5) Prof. Dr.B.Grabowski

Lösungen zu Übung 1 (Kap. 1.5) Prof. Dr.B.Grabowski Lösungen zur Übung1: Skript I (Beschreibende Statistik), Kap. 1.5 Aufgabe 1 1. Sind folgende Merkmale diskret oder stetig? a) Die durch eine wahlberechtigte Person der BRD gewählte Partei bei der Bundestagswahl.

Mehr

Phasen des Forschungsprozesses (hypothesenprüfende Studie)

Phasen des Forschungsprozesses (hypothesenprüfende Studie) Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten

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

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik 2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala

Mehr

Übungsaufgaben zu Kapitel 2 und 3

Übungsaufgaben zu Kapitel 2 und 3 Übungsaufgaben zu Kapitel 2 und 3 Aufgabe 1 Wann ist eine Teilerhebung sinnvoller als eine Vollerhebung? Nennen Sie mindestens drei Gründe. Aufgabe 2 Welches Verfahren soll angewendet werden, um eine Teilerhebung

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Statistische Grundbegriffe

Statistische Grundbegriffe 1.2 Statistische Grundbegriffe und Datenarten Statistische Grundbegriffe Merkmalsträger (Beobachtungseinheit) o Individuen, Haushalte, Unternehmen, Länder Merkmal (Variable) o Alter, Einkommen, Gewinn,

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Erzbischöfliche Liebfrauenschule Köln. Schulinternes Curriculum Fach: Mathematik Jg. 6

Erzbischöfliche Liebfrauenschule Köln. Schulinternes Curriculum Fach: Mathematik Jg. 6 Erzbischöfliche Liebfrauenschule Köln Schulinternes Curriculum Fach: Mathematik Jg. 6 Reihenfolge Buchabschnitt Themen Inhaltsbezogene Kompetenzen Prozessbezogene Kompetenzen 1 1.1 1.7 Brüche mit gleichem

Mehr

Messung. Mariem Ben Rehouma 14.04.2009

Messung. Mariem Ben Rehouma 14.04.2009 Messung Mariem Ben Rehouma Gliederung Motivation Definition von Messung Metriken Klassifikation von Metriken Beispiele Objektorientierte Metriken Charakteristiken von Messungen Skala-Arten Messungsarten

Mehr

Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.

Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird

Mehr

Deskriptive Statistik

Deskriptive 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,

Mehr

28 Fragen zur medizinischen Dokumentation

28 Fragen zur medizinischen Dokumentation 01. Wie nennt man die Dokumentationsart, welche der systematischen, patientenübergreifenden Auswertung von Krankheitsverläufen dient und in der Regel zur Beantwortung einer klinisch-wissenschaftlichen

Mehr

Kapitel 2: Daten, Maßzahlen und Axiomatik

Kapitel 2: Daten, Maßzahlen und Axiomatik Kapitel 2: Daten, Maßzahlen und Axiomatik 1. Daten...17 2. Methoden der Datengewinnung...20 3. Maßzahlen, Eigenschaften und Axiome...22 a) Maßzahlen...22 b) Axiome, axiomatische Betrachtung...25 c) Normierung

Mehr

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests

Mehr

Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.

Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26. Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11

Mehr

Grundlagen der Statistik

Grundlagen der Statistik Grundlagen der Statistik Übung 2 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe

Mehr

Die Statistik besitzt drei Grundaufgaben im Rahmen der Datenanalyse. Jeder entspricht ein Teilgebiet.

Die Statistik besitzt drei Grundaufgaben im Rahmen der Datenanalyse. Jeder entspricht ein Teilgebiet. Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 1 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 1 Die Statistik besitzt drei Grundaufgaben im Rahmen der

Mehr

Bachelorseminar: Ausgwählte Aspekte der Wirtschaft- und Sozialstatistik Sommersemester 2015 Referat: Stichprobenplan des Zensus

Bachelorseminar: Ausgwählte Aspekte der Wirtschaft- und Sozialstatistik Sommersemester 2015 Referat: Stichprobenplan des Zensus Bachelorseminar: Ausgwählte Aspekte der Wirtschaft- und Sozialstatistik Sommersemester 2015 Referat: Stichprobenplan des Zensus Prof. Dr. Thomas Augustin, Eva Endres Institut für Statistik, LMU 19.06.15

Mehr

TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG

TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München

Mehr

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?

Mehr

Übungsaufgaben zu Kapitel 2 und 3

Übungsaufgaben zu Kapitel 2 und 3 Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe

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. Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 2 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 4 Aufgabe

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 04.06.2013 Zweidimensionale Datensätze 1. Kontingenztabelle

Mehr

2 Grundzüge der Datenerhebung

2 Grundzüge der Datenerhebung 2 Grundzüge der Datenerhebung 2.1 Merkmale, statistische Einheit, statistische Masse Vor jeder statistischen Analyse muss das Untersuchungsziel genau angegeben sein. Obwohl die Vorgabe dieses Zieles nicht

Mehr

Statistik Tutorium SS Aufgabensammlung

Statistik Tutorium SS Aufgabensammlung Statistik Tutorium SS 2007 Felix Holter Felix.Holter@web.de Aufgabensammlung 1. Begriffsdefinition: Statistische Masse, Merkmalsträger, Merkmal und Merkmalsausprägung 2. Welche unterschiedlichen Merkmale

Mehr

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale Grundlegende Begriffe Untersuchungseinheiten und ihre Merkmale Untersuchungseinheiten Merkmale Merkmalsausprägungen Beispiel (Schule) Untersuchungseinheiten: Schulkinder Merkmale: Körpergröße, Körpergewicht

Mehr

Dipl.-Ing. Halit Ünver Datenbanken/Künstliche Intelligenz FAW/n. Zahlensysteme

Dipl.-Ing. Halit Ünver Datenbanken/Künstliche Intelligenz FAW/n. Zahlensysteme Dipl.-Ing. Halit Ünver 7.. Datenbanken/Künstliche Intelligenz FAW/n Zahlensysteme Seite Zahlensysteme Dipl.-Ing. Halit Ünver 7.. Inhalt I. Informatik und Zahlen für Wirtschaftswissenschaftler? II. III.

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik Wahrscheinlichkeitsrechnung und Statistik Für Ingenieurstudenten an Fachhochschulen von Michael Sachs erweitert Wahrscheinlichkeitsrechnung und Statistik Sachs schnell und portofrei erhältlich bei beck-shopde

Mehr

Skript zur Vorlesung Statistik

Skript zur Vorlesung Statistik Skript zur Vorlesung Statistik Dietrich Baumgarten «16. Januar 2014 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Übersicht und Lernziele........................... 1 1.2 Zum Begri Statistik.............................

Mehr

Statistik eindimensionaler Größen

Statistik eindimensionaler Größen Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,

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

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

Mehr

Analytische Statistik II

Analytische Statistik II Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,

Mehr

Bivariate Zusammenhänge

Bivariate Zusammenhänge Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne

Mehr

Skript zur Vorlesung Statistik

Skript zur Vorlesung Statistik Skript zur Vorlesung Statistik Dietrich Baumgarten 9. April 2009 Inhaltsverzeichnis 1 Grundlagen 7 1.1 Die zwei Begriffe der Statistik........................ 7 1.2 Gliederung einer statistischen Erhebung..................

Mehr

WATCHING YOUR STEP - Clinical Trial Process

WATCHING YOUR STEP - Clinical Trial Process WATCHING YOUR STEP - Clinical Trial Process Kritische Bewertung wissenschaftlicher Literatur Bewertung einer quantitativen Querschnittstudie über die Anwendung von Forschungsergebnissen in der Pflegepraxis

Mehr

Angewandte Statistik (für HRG)

Angewandte Statistik (für HRG) Angewandte Statistik (für HRG) (Modul: Modellieren und Anwendungen ) Kerstin Hesse Universität Paderborn, Sommersemester 2016 0.45$ 0.4$ 0.35$ 0.3$ 0.25$ 0.2$ rela.ve$häufigkeitsverteilung$der$pro$tag$

Mehr

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch 1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert

Mehr

Prüfung aus Statistik 1 für SoziologInnen

Prüfung aus Statistik 1 für SoziologInnen Prüfung aus Statistik 1 für SoziologInnen 30. Juni 2007 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: (6 Punkte) Kreuze die richtige Antwort an: Das Verdoppeln der Merkmalswerte impliziert

Mehr

Die Taylorreihe einer Funktion

Die Taylorreihe einer Funktion Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

Mehr

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von

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

Grundbegriffe. Worum geht es in diesem Modul?

Grundbegriffe. Worum geht es in diesem Modul? Grundbegriffe Worum geht es in diesem Modul? Einführung Merkmale Merkmalstyp Skalenniveaus Skalentransformation Erhebung Erhebungsarten Datenmatrix Exkurs, Indexnotation Resümee Worum geht es in diesem

Mehr