STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
|
|
- Brit Bösch
- vor 7 Jahren
- Abrufe
Transkript
1 WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von Fragebögen (Befragung) oder Codebögen (Inhaltsanalyse) werden zunächst alle Antworten in Zahlen übersetzt. Diese Zahlen liegen auf einer Skala. Die Skala gibt alle möglichen Merkmalsausprägungen vor. Bsp.: Wie groß ist jemand? Das messe ich mit einem Maßband (=Skala). Auf dem Maßband sind bereits alle möglichen Antworten enthalten. d.h. Die Skala entsteht schon bei der Konstruktion der Erhebungsinstrumente, nicht erst bei der Auswertung der Daten. Eintragen der Zahlen in eine Tabelle ergibt die Datenmatrix. Habe ich das Messinstrument falsch konstruiert (Bsp.: Fragen unklar formuliert oder manche Antwortmöglichkeiten nicht beachtet) kommt es bei der Auswertung zu missing values. (Im Statistikprogramm SPSS werden missing values mit 999 codiert) nächster Schritt: Datenbereinigung. Aus meiner Bruttostichprobe wird eine Nettostichprobe. Ungenügend ausgefüllte Fragebögen oder Merkmale, für die ich blöder Weise keine Entsprechung auf der Skala eingeplant hatte, müssen eliminiert werden. Was bleibt von meiner Stichprobe über? Die gültigen Fälle! Wenn ich das Ergebnis meiner Untersuchung darstelle muss ich immer beides angeben: a) Stichprobengröße b) gültige Fälle (wurden in den Fragebogen Filterfragen eingebaut, so muss auch das beim Ergebnis angegeben werden) Man unterscheidet drei Arten von Statistik: 1. Deskription: Beschreibung einer Stichprobe / einer Gruppe / einer Grundgesamtheit mit einfachen Zahlen 2. Hypothesenprüfen / Inferenzstatistik: Zusammenhang (Korrelation) und Signifikanz wird überprüft 3. Multivariante Verfahren: Gibt es Variablen, die immer wieder gemeinsam auftreten? Wie verhält sich eine Vielzahl von Variablen? Je nachdem, welche Daten ich erhebe, arbeite ich mit unterschiedlichen Skalenniveaus. Je nach Skalenniveau sind verschiedene Rechenoperationen erlaubt. Qualitative Daten können nominal oder ordinal skaliert sein. Quantitative / metrische Daten können diskret oder stetig sein.
2 WS 07/08-2 Nominalskala: Jeder Antwort auf dem Fragebogen (=also jeder Merkmalsausprägung) wird eine Zahl zugeordnet. Prinzipiell ist es wurscht, welche Zahl. Die Reihenfolge spielt keine Rolle. Man kann also die Zahlen willkürlich zuordnen (aber empfohlen wird: die Zahlen in der Reihenfolge zuzuordnen, die den Antworten auf dem Fragebogen entspricht, sonst entsteht ein Gewurschtel beim Eingeben ins SPSS) Ein nominal skaliertes Merkmal kann dichotom sein (=es hat zwei Ausprägungen) oder polytom (=mehrere Ausprägungen)! dichotom = z.b. ja / nein polytom = z.b. ledig / verheiratet / geschieden / verwitwet Erlaubte Rechenoperationen der Nominalskala: Häufigkeiten in absoluten Zahlen Häufigkeiten in Prozenten (Achtung! Immer die Stichprobengröße und die gültigen Fälle beim Ergebnis angeben, sonst kann man sich unter den Prozentangaben nichts vorstellen. Außerdem sonst sehr unwissenschaftlich geschummelt.) Modus (wird auch Modalwert genannt) = Mo Was zum Kuckuck ist der Modus? Modus = der Wert der am häufigsten vorkommt. also: Frage: sind sie ledig (=1), verheiratet (=2), geschieden (=3)? Wenn die meisten angeben, dass sie ledig sind, dann: Modus = 1 Die Daten können in beliebiger Reihenfolge sortiert werden (z.b. nach Häufigkeit, damit man auf einen Blick gleich sieht, um was es geht) Histogramm oder Tortendiagramm (Tortendiagramm ist NUR bei nominalskalierten Daten möglich, weil die Reihenfolge da ja keine Rolle spielt) Ordinalskala: Den Merkmalen werden wieder Zahlen zugeordnet, aber die Reihenfolge spielt sehr wohl eine Rolle! (Eselsbrücke: Ordinal klingt wie geordnet ) Die Ordinalskala impliziert eine Größer-Kleiner-Reihenfolge der Merkmalsausprägungen. Die Position hat eine Aussage. (aber über die Intervalle zwischen den Positionen kann nichts ausgesagt werden, das kommt erst beim nächsten Skalenniveau!) typisches Beispiel: Höchste abgeschlossene Schulbildung 1. Volksschule / Pflichtschule 2. Lehrabschluss 3. Matura 4. Fachhochschule 5. Universitätsabschluss
3 WS 07/08-3 Erlaubte Rechenoperationen: alle, die s bei der Nominalskala gibt. und dazu noch: kumulierte Prozent (= aufgerechnete, zusammengezählte Prozent) Median Was ist der Median? Median = Wert, der die Verteilung in 50% über ihm und 50% unter ihm teilt Daten dürfen nicht sortiert werden, da ihre Position in der Reihenfolge eine Information beinhaltet Histogramm Kumulierte Prozent und Median können dargestellt werden Intervallskala = wichtigste Skala in den Sozialwissenschaften Hier haben die Zahlen selber bereits eine Aussagekraft und können interpretiert werden. Die Reihenfolge ist fix (wie bei Ordinalskala) Die Intervalle (Abstände) zwischen den Merkmalsausprägungen sind GLEICH GROSS. Bsp.: Ich kann nicht sagen: Von der Volksschule zum Lehrabschluss ist es genauso schwierig wie von der Matura zum Fachhochschulabschluss. Da lassen sich keine gleichen Intervalle finden. daher nur ordinalskaliert Aber: Ich kann sagen: zwei Stunden Fernsehen pro Tag ist doppelt so lange wie eine Stunde (bzw. vier Stunden doppelt so lange wie zwei Stunden). Die Intervalle zwischen den Merkmalsausprägungen sind gleich groß (nämlich immer eine Stunde) Erlaubte Rechenoperationen bei Intervallskalen: die selben wie bisher und zusätzlich: arithmetisches Mittel (=Mittelwert) Quatritt- und Perzentillabstände (wurde in der VO nicht erklärt) Range (Variationsbreite) Varianz Standardabweichung Was ist das alles? Mittelwert = Durchschnittswert aus der Stichprobe. Alle Ergebnisse werden addiert und durch die Stichprobengröße (n) dividiert. Range = Gültigkeitsbereich. Wenn eine Skala nach unten und oben offen ist, zeigt uns die Range, in welchem Rahmen wir uns bewegen, sprich: auf welchen Bereich sich die Ergebnisse beziehen. Bsp.: Skala zeigt die Geschichte der Menschheit, aber ich treffe nur Aussagen über 900 Jahre. Dann ist das meine Range oder Variationsbreite. Wie wird die Range berechnet? anhand ihrer Eckpunkte auf der Skala: größter Wert minus kleinster Wert.
4 WS 07/08-4 Varianz = zeigt mir an, ob der Mittelwert das Ergebnis gut repräsentiert oder nicht. Eine kleine Varianz bedeutet, dass der Mittelwert die Verteilung gut repräsentiert. Eine große Varianz bedeutet. dass der Mittelwert wenig aussagekräftig ist. Wie wird die Varianz (s 2 )berechnet? Zuerst nimmt man einen Wert der Verteilung, der vom Mittelwert abweicht. Den subtrahiert man vom Mittelwert. Das Ergebnis wird quadriert. Was passiert dadurch? Werte, die weit vom Mittelwert entfernt sind, werden durch das Quadrieren überrepräsentiert. Genau das will man erreichen, denn das sagt ja was darüber aus, ob der Mittelwert die Verteilung gut repräsentiert oder nicht. Die Rechnung geht aber noch weiter: Man macht das mit jedem einzelnen Wert, der vom Mittelwert abweicht. Die Ergebnisse werden alle addiert. Und dann dividiert man sie durch die Anzahl aller Messwerte. Das Ergebnis ist die Varianz (=V). Standardabweichung = erhält man, wenn man die Wurzel aus der Varianz zieht. Also: V = s 2 Histogramm und Liniendiagramm möglich (Mittelwert gut darstellbar) Relations - bzw. Rationalskala (Verhältnisskala) Die Rationalskala ist die aussagekräftigste Skalenform, aber in der PuKW eher selten. Besonderheit: Die Skala hat einen absoluten Nullpunkt. Bsp: Gewicht, Längenmaß, Anzahl der Fernsehgeräte in einem Haushalt etc. Merkmale einer Rationalskala können diskret oder stetig (=kontinuierlich) sein. diskret bedeutet: nur ganze Zahlen, fixe Ausprägungen (wie auf einem Maßband), es kann diskrete Merkmale entweder mit endlich vielen oder mit unendlichen Ausprägungen geben. stetig bedeutet: jeder Wert ist denkbar, nicht nur ganze Zahlen, die Intervalle können in unendlich viele Kommastellen unterteilt werden. Das ist aber nicht sehr praktisch: Maßeinheiten beruhen auf Vereinfachungen der Berechnung, man gibt sich mit dieser Messungenauigkeit zufrieden (z.b. beim Abfahrtslauf mit 100stel Sekunden obwohl man natürlich noch auf Millionstel-Sekunden messen könnte...) In den Sozialwissenschaften gibt es eine Abmachung (Achtung! gilt nicht für Naturwissenschaften!) Obwohl Fragen nach der Einstellung ordinalskaliert sind, ist es in den SoWis möglich, sie als Intervallskala darzustellen. Bedingungen dafür: Nur der erste und der letzte Wert dürfen begrifflich belegt sein Skala muss bipolar sein (=erster und letzter Wert sind sprachliche Gegensätze)
5 WS 07/08-5 Beispiel: So geht das nicht: Frage: Wie gefällt ihnen diese Sendung? Antwortmöglichkeiten: gefällt mir sehr gut, gefällt mir mittel, gefällt mir eher nicht, gefällt mir gar nicht dann kann ich keine Intervallskala daraus machen. Aber so geht das: Frage: Wie gefällt ihnen diese Sendung? Antwortmöglichkeiten: bitte Antworten Sie auf einer Skala von 1 bis 4, wobei 1 bedeutet gefällt mir sehr gut und 4 bedeutet gefällt mir gar nicht dann darf ich eine Intervallskala daraus machen Was sonst noch besprochen wurde: Beim grafischen Darstellen der Daten darf man nicht schummeln (Grafiken dürfen nicht verzerrt werden) Statistische Maßzahlen (Kennzahlen) nennt man Zahlen, mit denen man die Verteilung repräsentiert. Man unterscheidet zwischen Lagemaßen und Streuungsmaßen. Lagemaße sind Maße der zentralen Tendenz. Dazu zählen: Modus (Mo), Median (Md) und Arithmetisches Mittel. Streuungsmaße (Dispersionsmaße) geben darüber Auskunft, wie gut oder schlecht eine Verteilung durch ein Lagemaß (zentrales Tendenzmaß) repräsentiert werden kann. Dazu zählen: Range (Variationsbreite), Varianz (V bzw. s 2 ), Standardabweichung (s) Lagemaße müssen immer unter der Berücksichtigung von Streuungsmaßen interpretiert werden! Ein weiteres Streuungsmaß ist die sogenannte AD-Streuung (=Average Deviation). Die berücksichtigt aber Fälle, die weit weg vom Mittelwert liegen nicht. Deshalb lieber immer Standardabweichung und Varianz verwenden.
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.
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
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
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
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
MehrStatistik 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 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
MehrAuswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea
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
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
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
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
MehrDeskriptive Statistik Winfried Zinn
Deskriptive Statistik Winfried Zinn Inhalte Statistik 1 1. Themenblock: Grundlagen der beschreibenden Statistik: Skalenniveaus Häufigkeitsverteilungen Mittelwerte (Lagemaße) Standardabweichung und Varianzen
MehrMedian 2. Modus < Median < Mittelwert. Mittelwert < Median < Modus. 2 Modalwerte oder Modus viel größer bzw. viel kleiner als Mittelwert
Universität Flensburg Zentrum für Methodenlehre Tutorium Statistik I Modus oder Modalwert (D) : - Geeignet für nominalskalierte Daten - Wert der häufigsten Merkmalsausprägung - Es kann mehrere Modalwerte
MehrI.3. Computergestützte Methoden 1. Deskriptive Statistik. Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010
I.3. Computergestützte Methoden 1. Deskriptive Statistik Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010 1 Seminarübersicht Nr. Thema 1 Deskriptive Statistik 1.1 Organisation und Darstellung von
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
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrEinführung 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
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
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
MehrMaße der zentralen Tendenz
UStatistische Kennwerte Sagen uns tabellarische und graphische Darstellungen etwas über die Verteilung der einzelnen Werte einer Stichprobe, so handelt es sich bei statistischen Kennwerten um eine Kennzahl,
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
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
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
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
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
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
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
Mehr3) Lagemaße: Mittelwert, Median, Modus
Thema: Beschreibende Statistik LE.1: 40 min Seite 9 3) Lagemaße: Mittelwert, Median, Modus Lagemaße In der beschreibenden Statistik werden Daten erhoben. Diese Daten weisen eine bestimmte Verteilung auf.
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrFachrechnen 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:
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
MehrDr. 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'+4 Elisabeth Raab-Steiner / Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS-Auswertung. 4., aktualisierte und überarbeitete Auflage
'+4 Elisabeth Raab-Steiner / Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS-Auswertung 4., aktualisierte und überarbeitete Auflage facultas «4 Inhaltsverzeichnis 1 Elementare Definitionen
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
MehrEs 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
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
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
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
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
MehrLagemaße 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
MehrInhaltsverzeichnis. 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
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.
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc
SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung
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
MehrAuswertung und Darstellung wissenschaftlicher Daten (2)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber SPSS-Andrea Payrhuber Ergebnisse dem Skalenniveau der einzelnen Daten entsprechend darstellen. nominalskalierte Daten. ordinalskalierte
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
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,
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrInhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
MehrGliederung der Vorlesung
Gliederung der Vorlesung A. Einführung: 1. Versuchsplanung 2. Merkmalsauswahl 3. Skalenniveaus 4. Durchführung B. Beschreibende (deskriptive) Statistik C. Schließende Statistik Fehler 1. und 2. Art Testverfahren
MehrDie folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt.
Nr. Die folgende Tabelle wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Gewicht (x i ) Raucher Geschlecht Lieblingssportart Ausübung des Sports Geld pro Monat Klassenmitte
MehrBeispiele qualitativer und quantitativer Sozialforschung
Beispiele qualitativer und quantitativer Sozialforschung siehe Teil A, How to do Empirie A 8 Umsetzungs Tipps für die Praxis... 152 A 8.1 Jedes Forschungsvorhaben benötigt einen roten Faden... 152 A 8.2
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrEinführung in die Statistik mit R
Einführung in die Statistik mit R Bernd Weiler syntegris information solutions GmbH Neu Isenburg Schlüsselworte Statistik, R Einleitung Es ist seit längerer Zeit möglich statistische Berechnungen mit der
MehrInhaltsverzeichnis. Teil I Einführung
Teil I Einführung 1 Was ist Statistik?... 3 1.1 Der Begriff Statistik..................................... 3 1.2 Wozu Statistik?......................................... 4 1.3 Grundbegriffe...........................................
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 2. Beschreibende Statistik (descriptive Statistics) Literatur Kapitel 2 * Storrer: Kapitel 29-31 * Stahel: Kapitel 1-3 * Statistik in Cartoons:
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrGliederung. Ursachen von Ergebnisverfälschung. Antworttendenzen/Urteilsfehler. Empirische Forschungsmethoden
SoSe 2017 6. Sitzung 23. Mai 2017 Gliederung Datenerhebung quantitative Forschung (Planungs- und Erhebungsphase): Urteilsverfälschung/Messfehler Maße der zentralen Tendenz 1 2 6) Quantitative empirische
MehrVII. Inhaltsverzeichnis
VII Inhaltsverzeichnis Vorwort XIII Teil 1 Datentypen 1 Datentypen 3 1.1 Kommt es wirklich darauf an? 3 1.2 Daten auf einer Intervallskala 3 1.3 Daten auf einer Ordinalskala 4 1.4 Daten auf einer Nominalskala
MehrDeskriptive Statistik
Deskriptive Statistik Lösungen+ Aufgabe 1.1 (a) Sammelnde Statistik: Wahl einer zufälligen Stichprobe aus der Grundgesamtheit. (b) Beschreibende (deskriptive) Statistik: Aufbereitung der Stichprobe (oder
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
MehrUnivariate Kennwerte mit SPSS
Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der
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
Mehr1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung
1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
MehrStatistik I (17) 79. Untersuchen Sie die Daten aus Tabelle 1.
Schüler Nr. Statistik I (7) Schuljahr /7 Mathematik FOS (Haben Sie Probleme bei der Bearbeitung dieser Aufgaben, wenden Sie sich bitte an die betreuenden Lehrkräfte!) Tabelle : Die Tabelle wurde im Rahmen
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
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
MehrStatistik 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,
Mehr1a) Leiten Sie drei Aussagen über Zusammenhänge aus der Tabelle ab. (6) Tab 1: Interesse an den Inhalten der ARD-Themenwoche 2015 Heimat in %
Teil A: Statistik (44P.) 1) Nachfolgend finden Sie das Ergebnis einer Befragung zur Nutzung von Online-Nachrichten im Zeit- und Generationenvergleich (VanEimeren/Koch 2016: 278). 1a) Leiten Sie drei Aussagen
MehrFrank Lammers. Statistik I: deskriptive und explorative Statistik. Lehr- und Übungsbuch
Frank Lammers Statistik I: deskriptive und explorative Statistik Lehr- und Übungsbuch 2004 Verlag der Gesellschaft für Unternehmensrechnung und Controlling m.b.h. Vorwort I Vorwort zur zweiten Auflage
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
Mehr