Streuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Streuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand"

Transkript

1 Streuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand Berechnung der mittleren quadratischen Abweichung und der Varianz aus einer Urliste Standardabweichung Berechnung der mittleren quadratischen Abweichung und der Varianz aus Häufigkeitstabellen Zusammenhang Varianz - mittlere quadratische Abweichung Worum geht es in diesem Modul? Aufbauend auf den im letzten Lernmodul vermittelten Lagemaßzahlen wird in diesem Lernmodul die Idee der Streuungsmaßzahlen allgemein erklärt. Anschließend werden die Spannweite, der Quartilsabstand, die mittlere quadratische Abweichung, die Varianz sowie die Standardabweichung betrachtet und an praktischen Anwendungsbeispielen verdeutlicht. Allgemeines zu Streuungsmaßzahlen Im haben wir verschiedene Maßzahlen kennen gelernt, die das Zentrum, oder auch das so genannte Niveau eines Datensatzes beschreiben. Das Niveau eines Datensatzes kann anhand eines Stabdiagramms verdeutlicht werden: Im Stabdiagramm entspricht das Niveau eines Datensatzes seiner Lage auf der x-achse. Das Niveau ist umso höher, je weiter rechts der Datensatz auf der x-achse liegt. Die Lageeigenschaften von Datensätzen Quelle: Statistik interaktiv! Maßzahlen der Lage dürfen nicht isoliert, d.h. nur für sich betrachtet werden; eine ausreichende Beschreibung eines vorliegenden Datensatzes nur aufgrund seiner Lage ist nicht möglich. Es muss ebenfalls beachtet werden, wie dicht die einzelnen Daten beieinander liegen. Dieses wird in dem nachfolgenden kurzen Beispiel verdeutlicht: Wir betrachten zwei Städte, in denen jeweils morgens, mittags und abends die Lufttemperatur gemessen wurde. In der Stadt A wurden die Werte "8, 17, 11" Grad Celsius und in der Stadt B "3, 24, 9" Grad Celsius erhoben. Bei beiden Städten ist die durchschnittliche Temperatur an einem Tag folglich 12 Grad Celsius. Auch wenn die mittlere Lufttemperatur gleich ist, scheint das Klima in den beiden Städten unterschiedlich zu sein. Die Werte in der Stadt B liegen weiter auseinander, d.h. sie streuen stärker. Im Stabdiagramm würde die Eigenschaft "Streuung" durch die Abstände zwischen den einzelnen Stäben verdeutlicht; im Stabdiagramm der Stadt B würden demnach die Stäbe weiter auseinander liegen als im Stabdiagramm der Stadt A. Wir benötigen demnach Streuungsmaßzahlen, die derartige Unterschiede zwischen mehreren Datensätzen aufzeigen, d.h. Unterschiede bezüglich der Streuung herausstellen. Spannweite und Interquartilsabstand Zwei Streuungsmaßzahlen können direkt aus der 5-Zahlen-Zusammenfassung beziehungsweise dem Box-and-Whisker-Plot bestimmt werden. Mit Erstellung des Box-and-Whisker-Plots wird das Ziel verfolgt, die aus einem vorliegenden Datensatz Page 1

2 ermittelten Werte Median, Extremwerte und die speziellen Quantile sinnvoll zusammen zu führen, um so eine Interpretation ihres Informationsgehalts zu erleichtern. So können anhand eines Box-and-Whisker-Plots Aussagen bezüglich der Lage eines Datensatzes und seiner Eigenschaften bezüglich Symmetrie getroffen werden. (s. ) Betrachten wir den vergleichenden Box-and-Whisker-Plot der Merkmale "Körpergröße: männlich" und "Körpergröße: weiblich". Vergleichende Box-and-Whisker-Plots des Merkmals "Körpergröße" Quelle: Eigene Befragung Die grafischen Darstellung zeigt deutliche Unterschiede bezüglich der Lage und Streuung der beiden Datensätze. Diese Unterschiede wollen wir präziser fassen. Betrachten wir das Maximum und das Minimum eines Datensatzes. Diese beiden Werte grenzen den Bereich aller Beobachtungen ein. Um mehrere Datensätze miteinander vergleichen zu können, wird ein Wert benötigt, der genau diesen Bereich misst. Die Spannweite bestimmt die Differenz zwischen dem größten und kleinsten beobachteten Wert des Datensatzes. Definition: Spannweite Formal wird die Spannweite üblicherweise mit bezeichnet und wie folgt bestimmt: Übertragen auf die obige grafische Darstellung ergeben sich die folgenden Spannweiten: Der kleinste männliche Studierende misst 163 cm, der größte männliche Studierende 204 cm. Für die Spannweite ergibt sich demnach. Bei den Körpergrößen der weiblichen Studierenden ergibt sich als Spannweite, da die kleinste Studierende 158 cm, die größte 182 cm misst. Das Intervall, in welchem sich die Werte verteilen, ist bei den Frauen mit 24 Einheiten deutlich kürzer als bei den Männer; anscheinend streuen die Werte der Männer stärker. Allerdings verzerrt bereits ein extremer Wert das Ergebnis. Aus diesem Grund ist es sinnvoll, zusätzlich die Breite der "Box", in der sich die zentralen 50% der Daten befinden, zu betrachten. Dieser Wert, der sich aus der Differenz zwischen den beiden Quartilen bestimmt, wird Quartilsabstand genannt. Durch einen Vergleich der beiden Maßzahlen können zusätzlich Aussagen bezüglich Ausreißer getroffen werden. Fallen diese weit auseinander, d.h. die Spannweite ist deutlich größer als der Quartilsabstand, kann auf Ausreißer im Datensatz geschlossen werden. Definition: Quartilsabstand Der Quartilsabstand ergibt sich folgendermaßen: Der Quartilsabstand bei der Körpergröße der Männer ist gleich 9, da und, bei der Körpergröße der Frauen gleich 6, da und. Ein Vergleich der jeweils zusammengehörigen Maßzahlen in unserem Beispiel scheint auf keine nennenswerte Differenz hinzudeuten. Die praktische Umsetzung der hier vorgestellten statistischen Methoden im Statistiklabor wird im nachfolgenden Exkurs behandelt. Die Spannweite eines Datensatzes wird im Labor von der gleichnamigen Funktion geliefert. Page 2

3 Der Aufruf im R-Kalkulator lautet: Spannweite(x) Demonstrationsseite: Spannweite im Statistiklabor ( a72.spf ) Hinweise: - Sie ist nur auf Daten in der Form einer Urliste oder Rangwertreihe ansetzbar. - NA`s sind in Urlisten zugelassen, sie werden bei der jeweiligen Verarbeitung nicht berücksichtigt. Die Daten werden nachstehend als auf der Variablen x abgelegt angenommen. - Als Funktion aus der Bibliothek danalyse.r arbeitet sie defaultmäßig im Silent-Modus. Durch Setzen des Parameters SIL=F im Aufruf, gibt die Funktion Informationen über ihr Arbeiten. Steckbrief/Kurzbeschreibung Ein Steckbrief der Funktion Spannweite ist über den nachstehenden Link erreichbar. Steckbrief der Funktion Spannweite() ( : a83.pdf ) Aufruf mit Hilfe von R-Standardfunktionen Das Konzept "Spannweite" lässt sich im R-Kalkulator direkt mit Hilfe der Funktionen des base package von R umsetzen: - Die Daten seien auf der Variablen x abgelegt. - Im betrachteten Fall müssen sie in Form einer Urliste vorliegen. - Die Anweisung xr <- sort(x) legt den geordneten Datensatz (die Rangwertreihe) von x auf der Variablen xr ab. - Die Spannweite ergibt sich dann aus xr[length(xr)] - xr[1], da xr[length(xr)] das maximale und xr[1] das minimale Element liefert. - Die Funktion length ermittelt die Anzahl der Elemente eines Vektors. - Mittels der Funktionen min, max können wir die gesuchte Spannweite auch direkt ohne vorheriges Sortieren ermitteln. Die Anweisung lautet max(x) - min(x). Weitere Quellen Im Anhang sind die für das Labor benötigte Bibliothek "danalyse.r" und eine Beschreibung der Bibliothek abgelegt. Um die in diesem Lernmodul besprochenen Funktionen im Statistiklabor ausprobieren zu können, muss die Bibliothek "Danalyse.R" geladen werden. Sollte sie bei Ihrer Version des Statistiklabors nicht mit installiert worden sein, können sie diese hier laden: Bibliothek "danalyse.r" ( aa9.r ) Informationen zum Aufbau und der Verwendung der Funktionen: Beschreibung der Bibliothek "danalyse.r" ( : aae.pdf ) Berechnung der mittleren quadratischen Abweichung und der Varianz aus einer Urliste Die erste Kategorie von Streuungsmaßzahlen haben wir bereits kennen gelernt: In dieser wird die Differenz zwischen den Abweichungen selbst betrachtet. Zu dieser Kategorie gehört die Spannweite und der Quartilsabstand (s. Abschnitt Spannweite ). Page 3

4 Die zweite Kategorie von Streuungsmaßzahlen betrachtet die Abweichungen der Beobachtungswerte zu einer Lagemaßzahl. Es sollen Aussagen bezüglich der Streuung getroffen werden. Betrachten wir das arithmetische Mittel des Merkmals "Einkommen" mit dem Wert 900 Euro, so charakterisiert dieser den dazugehörigen Datensatz. Dieser Wert ergibt sich aber sowohl aus dem Datensatz 10, 500 und 2190 als auch aus dem Datensatz 800, 900 und Diese Datensätze unterscheiden sich recht grundlegend, doch dieser Unterschied wird aus dem arithmetischen Mittel allein nicht ersichtlich. Aus diesem Grund werden wir Streuungsmaße aus den individuellen Abweichungen der beobachteten Merkmalsausprägungen vom Lagemaß "Arithmetisches Mittel" berechnen. Da die Summe der Abweichungen aufgrund der Schwerpunkteigenschaft des arithmetischen Mittels immer Null ist, könnte das Vorzeichen der Abweichung durch den Übergang zu den Quadraten eliminiert werden. (s. ) Die Alternative führt zur mittleren absoluten Abweichung. Von der quadrierten Abweichung wird das arithmetische Mittel genommen und als mittlere quadratische Abweichung bezeichnet. Online-Version : Flashanimation ' Animation Maßzahlen und extreme Werte ' siehe Übertragen auf das Zahlenbeispiel ergibt sich für den ersten Datensatz eine mittlere quadratische Abweichung von ,67; für den zweiten Datensatz ergibt sich die mittlere quadratische Abweichung 6666,67. Die unterschiedliche Streuung wird herausgestellt. Die Schwierigkeiten bei der Interpretation dieser Streuungsmaßzahlen werden in der Theoriekomponente Standardabweichung ausführlich beschrieben. Definition: Mittlere quadratische Abweichung Die formale Darstellungsweise der mittleren quadratischen Abweichung ergibt sich wie folgt: Der nachfolgende Exkurs zeigt die Berechnung der mittleren quadratischen Abweichung im Statistiklabor. Zur Berechnung der Varianz, einer weiteren Streuungsmaßzahl, verlaufen die Überlegungen analog zu den bisher erläuterten. Der einzige Unterschied besteht darin, dass als Divisor nicht sondern -1, die Anzahl der Freiheitsgrade, gewählt wird. Die Begründung hierfür kann erst im in ihrer ganzen Tragweite gegeben und verstanden werden. Hier nehmen wir es so, wie es ist. Page 4

5 Definition: Varianz Die Varianz wird demzufolge über die folgende Formel berechnet: Zur praktischen Umsetzung der hier vorgestellten statistischen Methoden im Statistiklabor sei auf den folgenden Exkurs verwiesen. Die Funktion MQA Die Funktion MQA setzt das Konzept der mittleren quadratischen Abweichung im Labor um. Aufruf im R-Kalkulator des Labors: MQA(x) Demonstrationsseite: MQA-Funktion im Statistiklabor ( b17.spf ) Hinweise - Die Daten seien auf der Variablen x abgelegt. - Sie können in Form einer Urliste, Rangwertreihe, diskreten oder kontinuierlichen Häufigkeitstabelle vorliegen. - NA`s sind in Urlisten zugelassen, sie werden bei der jeweiligen Verarbeitung nicht berücksichtigt. - Als Funktion aus der Bibliothek danalyse.r arbeitet sie defaultmäßig im Silent-Modus. Durch Setzen des Parameters SIL=F im Aufruf, gibt die Funktion Informationen über ihr Arbeiten. Steckbrief/Kurzbeschreibung Ein Steckbrief der Funktion MQA: MQA-Funktion im Statistiklabor ( : b29.pdf ) Weitere Quellen Im Anhang sind die für das Labor benötigte Bibliothek "danalyse.r" und eine Beschreibung der Bibliothek abgelegt. Die Funktion Varianz setzt das Konzept der Varianz im Labor um. Aufruf im R-Kalkulator des Labors: Varianz(x) Demonstrationslaborseite: Funktion Varianz() im Labor ( b3c.spf ) Hinweise - Die Daten seien auf der Variablen x abgelegt. Sie können in Form einer Urliste, Rangwertreihe, diskreten oder kontinuierlichen Häufigkeitstabelle vorliegen. - NA`s sind in Urlisten zugelassen, sie werden bei der jeweiligen Verarbeitung nicht berücksichtigt. - Als Funktion aus der Bibliothek danalyse.r arbeitet sie defaultmäßig im Silent-Modus. Durch Setzen des Parameters SIL=F im Aufruf, gibt die Funktion Informationen über ihr Arbeiten. Steckbrief/Kurzbeschreibung Steckbrief der Funktion Varianz() ( : b4b.pdf ) Aufruf mit Hilfe von R-Standardfunktionen Im R-Kalkulator steht auch die Funktion "var()" zur Verfügung. Sie ist nur auf Daten Page 5

6 anwendbar, die als Urliste oder Rangwertreihe vorliegen. Der Aufruf ist "var(x)" Weitere Quellen Im Anhang sind die für das Labor benötigte Bibliothek "danalyse.r" und eine Beschreibung der Bibliothek abgelegt. Standardabweichung Ausgangspunkt für die Ermittlung der Varianz und der mittleren quadratischen Abweichung war die Vorstellung, ein Streuungsmaß auf die Abweichung der Beobachtungen vom Lagemaß zu konstruieren. Zur Berechnung der Varianz werden die individuellen Abweichungen quadriert, ehe sie aufsummiert werden. Damit wurde diesen Streuungsmaßen die unmittelbare Interpretation genommen. Betrachten wir eine Befragung, bei der das Merkmal "Einkommen" erhoben wurde. Bei einer Analyse der erhobenen Daten wird die Varianz bestimmt; aufgrund der Quadrierung ändert sich damit allerdings auch die Maßeinheit - die Varianz besitzt die Maßeinheit "", die Beobachtungswerte die Maßeinheit "Euro". Was bedeutet nun eine Varianz von bei einem arithmetischen Mittel von 900 Euro? Wir benötigen eine Umformung des Streuungsmaßes, um wieder eine sinnvolle Interpretation zu ermöglichen. Wenn das Problem durch die Quadrierung entstanden ist, so besteht die Lösung darin, die Quadratwurzel aus der Varianz zu betrachten. Die neue Größe wird Standardabweichung genannt und formal folgendermaßen dargestellt: Definition: Standardabweichung Für unser obiges Beispiel ergibt sich demnach, d.h. die Beobachtungen streuen durchschnittlich um Euro um das arithmetische Mittel von 900 Euro. Zur praktischen Umsetzung der hier vorgestellten statistischen Methoden im Statistiklabor sei auf den folgende Exkurs verwiesen. Das Konzept der Standardabweichung wird in zwei Schritten im Labor umgesetzt. Nach dem die Varianz mit Hilfe der Funktion "Varianz()" berechnet wurde, ergibt sich die Standardabweichung durch Ziehen der Wurzel daraus. Dies leistet die R-Funktion sqrt. Aufruf im R-Kalkulator des Labors: sqrt(varianz(x)) (s. dazu auch Exkurs zur Varianz ) Beispiel: Mathematikprüfung - Berechnung von Streuungsmaßen Problemstellung Wie die meisten Studierenden zu Beginn ihres Studiums an der Fakultät für Wirtschaftswissenschaften der Universität Bielefeld feststellen, ist ihr Studium stark mathematisch ausgerichtet. Es geht das Gerücht um, dass es schwer ist, die Mathematik-Klausuren zu bestehen. Um zu erfahren, ob tatsächlich so viele Studierende an der Mathematik-Klausur Page 6

7 scheitern, erfragen sie bei 20 älteren Kommilitonen deren Punktzahl bei ihrer Mathematikprüfung: Maximal waren 100 Punkte zu erreichen. Lösungsweg Berechnen wir das arithmetische Mittel, so erhalten wir: Doch es sind zur Beschreibung eines Datensatzes nicht nur Maßzahlen der Lage von Interesse, diese wären für sich genommen auch nicht aussagekräftig genug. Aus diesem Grund werden nun in einem nächsten Schritt die Varianz und die Standardabweichung bestimmt: Antwort Das arithmetischemittel ist gleich 54,95. Dieses charakterisiert die Durchschnittspunktezahl, d.h. wenn die Summe der erreichten Punkte gleichmäßig auf alle Prüflinge verteilt worden wäre. Die Streuungsmaße wurden aus den individuellen Abweichungen der beobachteten Merkmalsausprägungen von dem Lagemaß "arithmetisches Mittel" berechnet. Die Varianz ist gleich 198,68. Doch bei diesem Streuungsmaß ist die Interpretation sehr schwierig, da die Dimension des hier ermittelten Wertes aufgrund der Quadrierung nicht mit der Dimension des Datensatzes übereinstimmt. Aus diesem Grund wird die Standardabweichung berechnet. Diese hat den Wert 14,095 und kann folgendermaßen interpretiert werden: Im Mittel weichen die beobachteten Werte von ihrem Mittelwert um ca. 14 Punkte ab. Berechnung der mittleren quadratischen Abweichung und der Varianz aus Häufigkeitstabellen Da sich die beiden Streuungsmaße "Mittlere quadratische Abweichung" und "Varianz" nur im Divisor unterscheiden, betrachten wir im folgenden nur eine der beiden Streuungsmaße. Es gilt es die Berechnung der Summe der quadratischen Abweichungen aus einer Häufigkeitstabelle zu entwickeln. Berechnung der Varianz Quelle: Statistik interaktiv Wurden keine Klassen gebildet, so gelangen wir mit dem gleichen Argument wie bei der Berechnung des arithmetischen Mittels aus einer Häufigkeitstabelle zu der Beziehung (s. ) Damit ergibt sich für die mittlere quadratische Abweichung die folgende Formel: Bei einer Tabelle für klassierte Daten approximieren wir die gerundete Summe wiederum mit Hilfe der Klassenmitte durch (s. ) Page 7

8 Die Formel, die zur Berechnung der mittleren quadratischen Abeichung zur Berechnung aus klassierten Häufigkeitstabellen herangezogen werden sollte, ist damit die Folgende: Siehe hierzu auch folgende Exkurse: - Exkurs zur Standardabweichung - Exkurs zur Varianz - Exkurs zur MQA Unabhängig davon, wie nun die Varianz bestimmt wurde, wird hieraus durch das Ziehen der Wurzel die Standardabweichung bestimmt. Zusammenhang Varianz - mittlere quadratische Abweichung Allgemein gilt zwischen der Varianz und der mittleren quadratischen Abweichung der Zusammenhang: Wir können demnach das jeweils andere Streuungsmaß direkt über diese Beziehung berechnen, sobald eines bekannt beziehungsweise bereits berechnet worden ist. Bei großem Datenumfang ist der Unterschied zwischen den beiden Streuungsmaßen unbedeutend. Online-Version : Flashanimation ' Animation Mittlere quadratische Abweichung ' siehe Bei der Europameisterschaft 2000 im Fußball in Holland und Belgien fanden 25 Spiele statt. Im Folgenden finden Sie eine Urliste der Anzahl der Tore je Spiel: Ein fußballbegeisterter Fan notierte auch gleich, wie lange er bei jedem von diesen 25 Spielen warten musste, bis das erste Tor fiel (in Minuten): Page 8

9 Aus diesen beiden Datensätzen wurde bereits jeweils eine Häufigkeitstabelle erstellt und das arithmetische Mittel berechnet. (s. ) a) Berechnen Sie aus der nicht-klassierten Häufigkeitstabelle des ersten Datensatzes "Anzahl der Tore" die Varianz und die Standardabweichung. Interpretieren Sie Ihre Ergebnisse und berücksichtigen Sie dabei auch das dazugehörige arithmetische Mittel. b) Berechnen Sie aus der klassierten Häufigkeitstabelle des zweiten Datensatzes "Wartezeit" die Varianz und die Standardabweichung. Interpretieren Sie Ihre Ergebnisse und berücksichtigen Sie dabei auch das dazugehörige arithmetische Mittel. c) Bestimmen Sie aus der Urliste "Wartezeit" die Varianz und die Standardabweichung. Vergleichen Sie diese Ergebnisse mit denen aus Teilaufgabe b) und interpretieren Sie diese. Labordatei öffnen ( c5a.zmpf ) In der Zweigstelle einer Bank werden 250 Wertpapierdepots geführt. Der Wert der einzelnen Depots zum wird in der folgenden klassierten Häufigkeitstabelle zusammengefasst (Das Merkmal X ist dabei der Wert der Depots in Tausend Euro): Berechnen und interpretieren Sie die Varianz und die Standardabweichung im Page 9

10 Statistiklabor:. Labordatei öffnen ( cf0.spf ) arithmetisches Mittel ErklärungDaten ErklärungDatensatz ErklärungHäufigkeitstabelle ErklärungKlassen Erklärungklassierte Häufigkeitstabelle ErklärungLage ErklärungLagemaß ErklärungMaßzahlen ErklärungMerkmal ErklärungMerkmalsausprägung Erklärungmittleren quadratischen Abweichung Erklärungnicht-klassierte Häufigkeitstabelle ErklärungStreuung ErklärungStreuungsmaß ErklärungUrliste ErklärungVarianz Erklärung (c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme Kontakt: Page 10

Lagemaße Worum geht es in diesem Modul? Allgemeines zu Lagemaßzahlen Arithmetisches Mittel aus einer Urliste

Lagemaße Worum geht es in diesem Modul? Allgemeines zu Lagemaßzahlen Arithmetisches Mittel aus einer Urliste Lagemaße Worum geht es in diesem Modul? Allgemeines zu Lagemaßzahlen Arithmetisches Mittel aus einer Urliste Berechnung des arithmetischen Mittels aus Häufigkeitstabellen Weitere Lagemaße Worum geht es

Mehr

Weitere Lagemaße: Quantile/Perzentile I

Weitere 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

Mehr

Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:

Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält

Mehr

Datenanalyse aus einer Urliste

Datenanalyse aus einer Urliste Datenanalyse aus einer Urliste Worum geht es in diesem Modul? Geordneter Datensatz und Extremwerte Empirische Verteilungsfunktion Bestimmung von Quantilen Spezielle Quantile Median und Angeln Fünf-Zahlen-Zusammenfassung

Mehr

Kapitel 1 Beschreibende Statistik

Kapitel 1 Beschreibende Statistik Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)

Mehr

STATISTIK 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? 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

Mehr

Kapitel 2. Mittelwerte

Kapitel 2. Mittelwerte Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren

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

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

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

Einführung in Quantitative Methoden

Einführung 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

Mehr

Übungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Übungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker 08.11.01 Modell Temperatur unter Last Anschluss in Grad Celsius in Grad Fahrenheit Corsair Force 10

Mehr

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober 1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße

Mehr

Statistik I für Betriebswirte Vorlesung 9

Statistik I für Betriebswirte Vorlesung 9 Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte

Mehr

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

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

Mehr

htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK

htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein

Mehr

4 Statistische Maßzahlen

4 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

Mehr

Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc

Diese 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

Mehr

Beispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)

Beispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke

Mehr

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer

Mehr

Lage- und Streuungsparameter

Lage- 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

Mehr

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,

Mehr

Beispiel 4 (Einige weitere Aufgaben)

Beispiel 4 (Einige weitere Aufgaben) 1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere

Mehr

Einführung in Quantitative Methoden

Einführung 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

Mehr

a) x = 1150 ; x = 950 ; x = 800 b) Die Lagemaße unterscheiden sich voneinander. c) Der Median charakterisiert die Stichprobe am besten.

a) x = 1150 ; x = 950 ; x = 800 b) Die Lagemaße unterscheiden sich voneinander. c) Der Median charakterisiert die Stichprobe am besten. R. Brinkmann http://brinkmann-du.de Seite 6.0.2009 Lösungen Mittelwert, Median II se: E E2 E3 E4 E5 E6 a) Notendurchschnitt 2,6 b) Säulendiagramm siehe ausführliche Lösung. c) Kreisdiagramm siehe ausführliche

Mehr

5 Exkurs: Deskriptive Statistik

5 Exkurs: Deskriptive Statistik 5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe

Mehr

4 Statistische Maßzahlen

4 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

Mehr

1 Beschreibende Statistik

1 Beschreibende Statistik 1 1 Beschreibende Statistik In der beschreibenden Statistik geht es darum, grosse und unübersichtliche Datenmengen so aufzubereiten, dass wenige aussagekräftige Kenngrössen und Graphiken entstehen. 1.1

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

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0. Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität

Mehr

Deskriptive Statistik Erläuterungen

Deskriptive 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

Mehr

benötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht.

benötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht. , D 1 Kreuze die richtige Aussage an und stelle die anderen Aussagen richtig. A Das arithmetische Mittel kennzeichnet den mittleren Wert einer geordneten Datenliste. B Die Varianz erhält man, wenn man

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

BOXPLOT 1. Begründung. Boxplot A B C

BOXPLOT 1. Begründung. Boxplot A B C BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1

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

Bitte am PC mit Windows anmelden!

Bitte 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

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

Streuungsmaße von Stichproben

Streuungsmaße 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,

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

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

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8

Das 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,

Mehr

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC 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

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen 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

Mehr

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. 3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt

Mehr

1 Univariate Statistiken

1 Univariate Statistiken 1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen

Mehr

Deskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung

Deskriptivstatistik 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

Mehr

Statistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.

Statistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel. Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc

Mehr

Kapitel VII - Konzentration von Merkmalswerten

Kapitel VII - Konzentration von Merkmalswerten Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh

Mehr

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht

Mehr

Statistische Kennzahlen für die Lage

Statistische Kennzahlen für die Lage Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische

Mehr

Deskriptive Statistik Aufgaben und Lösungen

Deskriptive Statistik Aufgaben und Lösungen Grundlagen der Wirtschaftsmathematik und Statistik Aufgaben und en Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen Inhaltsverzeichnis 1 Daten und Meßskalen 5 1.1 Konkrete Beispiele...................................

Mehr

Statistik Skalen (Gurtner 2004)

Statistik Skalen (Gurtner 2004) Statistik Skalen (Gurtner 2004) Nominalskala: Daten haben nur Namen(Nomen) und (eigentlich) keinen Zahlenwert Es kann nur der Modus ( ofteste Wert) berechnet werden Beispiel 1: Die Befragung von 48 Personen

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

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

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

Statistik II: Grundlagen und Definitionen der Statistik

Statistik 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

Mehr

8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik

8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik

Mehr

1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent

1. 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

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr.

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr. Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 205/6 Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht

Mehr

Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/

Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/ Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik I für Humanund Sozialwissenschaften Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden

Mehr

Auswahl von Schätzfunktionen

Auswahl von Schätzfunktionen Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung

Mehr

Musterlösung zur Übungsklausur Statistik

Musterlösung zur Übungsklausur Statistik Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind

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

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=

Mehr

Stochastik für die Naturwissenschaften

Stochastik 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:

Mehr

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen

Mehr

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

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

Mehr

Korrelation, Regression und Signifikanz

Korrelation, Regression und Signifikanz Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts

Mehr

Univariate explorative Datenanalyse in R

Univariate explorative Datenanalyse in R Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Dr. Florian Meinfelder Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2010 Aufgabe 1 Für das Merkmal

Mehr

Statistik. Ronald Balestra CH St. Peter

Statistik. Ronald Balestra CH St. Peter Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........

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

Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)

Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013) Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.

Mehr

Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016

Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016 Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016 1. Daten erfassen 1. Aufgabe: Würfeln Sie 30-mal mit einem regelmäßigen Oktaeder und dokumentieren

Mehr

Wahrscheinlichkeitsverteilungen

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

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2008/2009. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2008/2009. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2008/2009 Aufgabe 1 Der Student

Mehr

1 Beschreibende Statistik

1 Beschreibende Statistik 1 1 Beschreibende Statistik In der beschreibenden Statistik geht es darum, grosse und unübersichtliche Datenmengen so aufzubereiten, dass wenige aussagekräftige Kenngrössen und Graphiken entstehen. 1.1

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

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die

Mehr

5.4 Verteilungsfunktion Verteilungsfunktion diskreten Zufallsvariablen stetigen Zufallsvariablen Verteilungsfunktion

5.4 Verteilungsfunktion Verteilungsfunktion diskreten Zufallsvariablen stetigen Zufallsvariablen Verteilungsfunktion 5. Verteilungsfunktion Die Verteilungsfunktion gibt an welche Wahrscheinlichkeit sich bis zu einem bestimmten Wert der Zufallsvarialben X kumuliert Die Verteilungsfunktion F() gibt an, wie groß die die

Mehr

I.V. Methoden 2: Deskriptive Statistik WiSe 02/03

I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 Vorlesung am 04.11.2002 Figures won t lie, but liars will figure. General Charles H.Grosvenor Dr. Wolfgang Langer Institut für Soziologie Martin-Luther-Universität

Mehr

W-Rechnung und Statistik für Ingenieure Übung 4

W-Rechnung und Statistik für Ingenieure Übung 4 W-Rechnung und Statistik für Ingenieure Übung 4 Aufgabe 1 : Zementdaten Lösung in R: Lade den Datensatz SETTING.DAT: Die erste Spalte von setting gibt die prozentualen Anteile von a wieder, die Zweite

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen der empirischen Sozialforschung Grundlagen der empirischen Sozialforschung Sitzung 11 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 5. Januar 2009 1 / 22 Online-Materialien Die Materialien

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Diskrete Wahrscheinlichkeitsverteilungen

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

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

Teil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7

Teil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7 Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik

Mehr

1 Grundlagen statistischer Versuchsauswertung

1 Grundlagen statistischer Versuchsauswertung 1 Grundlagen statistischer Versuchsauswertung 1.1 Statistische Daten Schon vor der Erhebung von Daten sollten erste statistische Überlegungen mit in das Erhebungsprogramm aufgenommen werden. Primäres Ziel

Mehr

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...

Mehr

Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter

Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey

Mehr

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19 Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Datenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung

Datenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt

Mehr

Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik

Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer

Mehr

Wiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8

Wiederholung 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

Mehr