Kapitel 1 Beschreibende Statistik
|
|
- Nelly Lichtenberg
- vor 6 Jahren
- Abrufe
Transkript
1 Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) Höhe , erreichte Punkte Dr. Karsten Webel 24
2 Beispiel 1.5: Histogramm (Fortsetzung) Klasse a i H(a i ) h(a i ) Breite Höhe [0;6) 52 52/92 0, /552 0,094 [6;7) 22 22/92 0, /92 0,239 [7;8,5) 9 9/92 0,098 1,5 9/138 0,065 [8, 5;10) 8 8/92 0,087 1,5 8/138 0,058 [10;11] 1 1/92 0, /92 0,011 Dr. Karsten Webel 25
3 Beispiel 1.5: empirische Verteilungsfunktion (Fortsetzung Bsp 1.1) F 92 (x) , erreichte Punkte Dr. Karsten Webel 26
4 Beispiel 1.5: empirische Verteilungsfunktion (Fortsetzung) 0 für x < 0 h(0) = 2/92 für 0 x < 0,5 F 92 (x) = h(0) + h(0,5) = 4/92 für 0,5 x < 1 h(0) + h(0,5) + h(1) = 8/92 für 1 x < 1,5.. h(0) + h(0,5) h(10,5) = 91/92 für 10,5 x < 11 1 für x 11 Dr. Karsten Webel 27
5 Definition 1.6: nominales, ordinales & metrisches Skalenniveau Die Skalierung eines Merkmals X heißt nominal, wenn seine möglichen Ausprägungen keiner natürlichen Rangfolge unterliegen, ordinal, wenn seine möglichen Ausprägungen einer natürlichen Rangfolge unterliegen, deren Abstände sich nicht sinnvoll interpretieren lassen, metrisch, wenn seine möglichen Ausprägungen einer natürlichen Rangfolge unterliegen, deren Abstände sich sinnvoll interpretieren lassen. Dr. Karsten Webel 28
6 Definition 1.6: nominales, ordinales & metrisches Skalenniveau (Fortsetzung) Metrisch skalierte Merkmale lassen sich weiter wie folgt unterteilen: Intervallskala Verhältnisskala Absolutskala Nullpunkt willkürlich natürlich natürlich Maßeinheit willkürlich willkürlich natürlich Dr. Karsten Webel 29
7 Definition 1.7: empirische Verteilungsfunktion Gegeben sei ein mindestens ordinal skaliertes Merkmal X mit den möglichen Ausprägungen a 1,a 2,...,a k. Werden n Merkmalsausprägungen von X beobachtet, so heißt die Funktion F n (x) = a i x h(a i ) (x R) empirische Verteilungsfunktion des Merkmals X. Dr. Karsten Webel 30
8 Satz 1.8: Eigenschaften der empirischen Verteilungsfunktion a) Die empirische Verteilungsfunktion ist monoton nicht fallend. b) Die empirische Verteilungsfunktion ist rechtsseitig stetig. c) Es gilt: lim F n(x) = 0 und lim F n(x) = 1. x x Dr. Karsten Webel 31
9 Beispiel 1.9: schlechte Grafiken Quelle: Indopendent 212, 03. Juni Dr. Karsten Webel 32
10 Beispiel 1.9: schlechte Grafiken (Fortsetzung) Quelle: EnergieLive 8/09. Dr. Karsten Webel 33
11 Beispiel 1.9: schlechte Grafiken (Fortsetzung) Quelle: Douglas et al. (2009), Acute Computer-related injuries treated in US emergency departments, , Am J Prev Med 37 (1), Dr. Karsten Webel 34
12 Bemerkung 1.10: Fazit zur grafischen Darstellung von Daten Säulen-, Balken- und Kreisdiagramm für nominal, ordinal und metrisch skalierte Merkmale geeignet empirische Verteilungsfunktion für ordinal und metrisch skalierte Merkmale geeignet Histogramm nur für metrisch skalierte Merkmale geeignet Vorsicht bei der Interpretation von relativen Häufigkeiten weitere Details: Sauerbier, T. (2009), Statistiken verstehen und richtig präsentieren, Oldenbourg, München. Dr. Karsten Webel 35
13 Lagemaße
14 Definition 1.11: arithmetisches Mittel Für ein metrisch skaliertes Merkmal X mit den beobachteten Ausprägungen x 1,x 2,...,x n heißt arithmetisches Mittel von X. x a = 1 n n i=1 x i Dr. Karsten Webel 37
15 Beispiel 1.12: (Fortsetzung Bsp. 1.1) Für die erreichten Punkte aus der Statistik Klausur vom ergibt sich folgende durchschnittliche erreichte Punktzahl: x a = 1 92 Offensichtlich gilt auch: (9, ) = 4,864. x a = , , = 4, 864. Dr. Karsten Webel 38
16 Bemerkung 1.13: Gegeben sei ein metrisch skaliertes Merkmal X mit den möglichen Ausprägungen a 1,a 2,...,a k. Werden n Merkmalsausprägungen von X beobachtet, so gilt: x a = k h(a i ) a i. i=1 Dr. Karsten Webel 39
17 Beispiel 1.14: erfasste Straftaten in Städten des Ruhrgebietes mit mehr als Einwohnern (Quelle: PKS 2008, Stadt EW Straftaten Stadt EW Straftaten Bochum Essen Dortmund Gelsenkirchen Duisburg Krefeld Düsseldorf Oberhausen = in 1000 (gerundet) zum Dr. Karsten Webel 40
18 Beispiel 1.15: erreichte Punkte bei der Statistik Klausur vom in klassierter Form (Fortsetzung Bsp. 1.5) Klasse a i [0; 6) [6; 7) [7; 8,5) [8,5; 10) [10, 11] H(a i ) Dr. Karsten Webel 41
19 Definition 1.16: gewichtetes arithmetisches Mittel Für ein metrisch skaliertes Merkmal X mit den beobachteten Ausprägungen x 1,x 2,...,x n und den zugehörigen Gewichten g 1,g 2,...,g n, die die Bedingungen g i 0 für alle i = 1,...,n und n g i = 1 i=1 erfüllen, heißt n x ga = g i x i i=1 gewichtetes arithmetisches Mittel von X. Dr. Karsten Webel 42
20 Beispiel 1.17 (Fortsetzung Bsp & 1.15) : a) Verwende in Beispiel 1.14 g i = EW i EW j j mit EW j = j g 1 = 0,113; g 2 = 0,176; g 3 = 0,149; g 4 = 0,173 g 5 = 0,173; g 6 = 0,078; g 7 = 0,072; g 8 = 0,066 x ga = 0, , , = 51798,53 > 44716,88 = x a Dr. Karsten Webel 43
21 Beispiel 1.17: (Fortsetzung) b) Verwende in Beispiel 1.15 g 1 = 52 92, g 2 = 22 92, g 3 = 9 92, g 4 = 8 92, g 5 = x ga = 5 h(a i ) m i mit m i = Klassenmitte von a i i=1 = , ,5 = 4,927 > 4,864 = x a. Dr. Karsten Webel 44
22 Beispiel 1.18: Die Universität Virginia teilte im Jahr 1984 mit, dass die Absolventen des Bachelor-Studiengangs Rhetorik und Kommunikation ein durchschnittliches Einstiegsgehalt von Dollar hatten. Dr. Karsten Webel 45
23 Beispiel 1.18: (Fortsetzung) R. Sampson (Houston Rockets) Dr. Karsten Webel 46
24 Bemerkung 1.19: Durchschnitte nicht teilbarer Merkmale (Quelle: Statistisches Jahrbuch 2008) In Deutschland betrug am die durchschnittliche Größe eines Haushalts 2,08 Personen, die durchschnittliche Kinderzahl pro Frau 1,36, die durchschnittliche Anzahl MP3-Player pro Haushalt 0,31 und die durchschnittliche Anzahl PKWs pro Haushalt 1,02. Dr. Karsten Webel 47
25 Beispiel 1.20: erzielte Noten bei der Statistik Klausur vom (Bachelor, n = 92) 1,7; 5,0; 4,0; 4,0; 1,7; 5,0; 4,0; 5,0; 4,0; 3,0; 4,0; 5,0; 4,0; 5,0; 4,0; 5,0; 1,0; 5,0; 3,7; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 3,7; 5,0; 3,0; 4,0; 2,3; 4,0; 4,0; 2,3; 4,0; 5,0; 5,0; 5,0; 5,0; 5,0; 2,7; 5,0; 5,0; 5,0; 1,7; 3,7; 2,7; 5,0; 5,0; 5,0; 5,0; 2,0; 5,0; 3,3; 5,0; 4,0; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 5,0; 4,0; 5,0; 3,3; 4,0; 5,0; 2,3; 5,0; 3,0; 5,0; 5,0; 5,0; 5,0; 2,0; 4,0; 5,0; 4,0; 5,0; 2,7; 5,0; 5,0; 5,0; 4,0; 5,0; 2,7; 4,0; 5,0; 4,0. Dr. Karsten Webel 48
26 Definition 1.21: Median Es sei X ein mindestens ordinal skaliertes Merkmal mit den beobachteten Ausprägungen x 1,x 2,...,x n. Weiter bezeichnet x (i) die i-te der Größe nach aufsteigend sortierte beobachtete Ausprägung von X. Dann heißt Median von X. x m = x ( n+1 2 ), n ungerade ( ) 1 2 x ( n 2 ) + x ( n 2 +1 ), n gerade Dr. Karsten Webel 49
27 Beispiel 1.22: (Fortsetzung Bsp. 1.20) Die durchschnittliche Note der Statistik Klausur vom beträgt (n = 92): denn: x m = 1 2 (x (46) + x (47) ) = 1 2 (5,0 + 5,0) = 5,0, x (1) = 1,0; x (2) =... = x (4) = 1,7; x (5) = x (6) = 2,0; x (7) =... = x (9) = 2,3; x (10) =... = x (13) = 2,7; x (14) =... = x (16) = 3, 0; x (17) = x (18) = 3,3; x (19) =... = x (21) = 3,7; x (22) =... = x (40) = 4, 0; x (41) =... = x (92) = 5,0. Dr. Karsten Webel 50
28 Bemerkung 1.23: a) Der Median stimmt oft mit einer beobachteten Ausprägung überein. b) Der Median ist robuster gegenüber Ausreißern als das (gewichtete) arithmetische Mittel. c) Die Berechnung des Medians geht oft mit einem hohen Informationsverlust einher. Dr. Karsten Webel 51
29 Satz 1.24: Eigenschaften des arithmetischen Mittels und des Medians a) Bei linearen Datentransformationen der Form y i = a x i + b mit a 0 (i = 1,...,n) gilt: ȳ a = a x a + b und ȳ m = a x m + b. b) Beide Lagemaße minimieren jeweils eine Zielfunktion. Genauer gilt: ( n ) ( n ) x a = argmin (x i z) 2 und x m = argmin x i z. z R z R i=1 i=1 Dr. Karsten Webel 52
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)
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
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
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
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
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
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
MehrStatistik 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
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrStatistik 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
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
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
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
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
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik Häufigkeitsverteilungen Statistische Kennwerte 3 Multivariate Statistik 4 Regression 5 Ergänzungen Deskriptive
Mehr3 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
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
MehrElementare Regressionsrechnung
Elementare Regressionsrechnung Motivation: Streudiagramm zweier metrisch skalierter Merkmale X und Y Y X Dr. Karsten Webel 107 Ziel: Erfassung des Zusammenhangs zwischen X und Y durch eine Gerade der Form
MehrKapitel 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
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße 3.0 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals: Lage und Zentrum der Daten,
Mehr2 Häufigkeitsverteilungen
2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation An n Einheiten ω 1,,ω n sei das Merkmal X beobachtet worden x 1 = X(ω 1 ),,x n = X(ω n ) Also
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.
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
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
MehrTutorium 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
MehrMathematik 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
Mehr3. 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
MehrSTATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005
STATISIK LV Nr.: 0021 WS 2005/06 11.Oktober 2005 1 Literatur Bleymüller, Gehlert, Gülicher: Statistik für Wirtschaftswissenschaftler, Verlag Vahlen Hartung: Statistik. Lehr- und Handbuch der angewandten
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
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 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
MehrBeispiel 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
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
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
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
MehrKapitel VIII - Mehrdimensionale Merkmale
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Mehrdimensionale Merkmale Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
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
MehrDr. 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...
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
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
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 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
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,
MehrEinführung 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:
MehrStatistische Methoden der Qualitätssicherung
Konrad Wälder Olga Wälder Statistische Methoden der Qualitätssicherung Praktische Anwendung mit MINITAB und JMP Inhalt Vorwort... Inhalt... VII IX 1 Einleitung... 1 1.1 Der Qualitätsbegriff... 1 1.2 Einführung
MehrKlausur zu Methoden der Statistik I mit Lösung Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I mit Lösung Sommersemester 2009 Aufgabe 1 Es wurden 410 Studierende
MehrKapitel 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
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
MehrStatistik Sommersemester Dr. Matthias Arnold
Statistik Sommersemester 2012 Dr. Matthias Arnold Vorlesung Vorlesung: Mi 12.15 13.45, Audimax Dr. Matthias Arnold Raum 163 in LG 1 matthias.arnold@uni-erfurt.de Tel.: 0361/737-4592 Sprechstunde: Mittwoch
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
MehrThema: Mittelwert einer Häufigkeitsverteilung. Welche Informationen kann der Mittelwert geben?
Thema: Mittelwert einer Häufigkeitsverteilung Beispiel: Im Mittel werden deutsche Männer 75,1 Jahre alt; sie essen im Mittel pro Jahr 71 kg Kartoffel(-produkte) und trinken im Mittel pro Tag 0.35 l Bier.
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
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
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,
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
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
Mehra) 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
MehrStatistik I. Prof. Dr. H. Toutenburg
Statistik I Lösungen Prof. Dr. H. Toutenburg Aufgabe 1 Die erreichten Punktzahlen in einer Statistik-Klausur von 22 zufällig ausgewählten Studierenden der Statistik an den Universitäten München und Dortmund
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrStatistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
Mehrf j = ( 2) = 5.5.
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Statistik Dr. Thomas Zehrt Merkmale und Häufigkeitsverteilung Motivation In der heutigen Zeit fällt jeden Tag eine unvorstellbare Menge von Daten
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
MehrStatistik I WS 2014/2015. Prof. Dr. Walter Krämer
Statistik I WS 2014/2015 Prof. Dr. Walter Krämer Organisatorisches Dozenten: Vorlesung: Prof. Dr. Walter Krämer Übungen: Dipl.-Stat. Marianthi Neblik cand.stat. Eva-Maria Becker cand.stat. Nicole Dauzenroth
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:
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
MehrMusterlösung 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
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 14. Oktober 2010 Übungen Aufgabenblatt 1 wird heute Nachmittag auf das Weblog gestellt. Geben Sie die Lösungen dieser
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
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
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
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
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
Mehr9. 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
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
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
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
MehrÜbungsblatt 3. Größe in cm Anzahl der (Klassenmitten) Studenten ges:100
Aufgabe 1: Übungsblatt 3 Die Körpergröße von 100 Studenten sei wie folgt verteilt: Größe in cm Anzahl der (Klassenmitten) Studenten 158 1 162 6 166 10 170 22 174 21 178 17 182 14 186 5 190 3 194 1 ges:100
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
MehrAufgabe 1. Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2016/17 Aufgabe 1 Das neue Universitätsgebäude
Mehrb = = 122.
Lösungsskizze zur Probeklausur im Fach Statistik I am 7.1.2010 Gesamtpunktzahl: 60 Aufgabe 1 (12 Punkte): Ein Unternehmen, das Möbel herstellt, hat eine Niederlassung in Deutschland, eine in Frankreich
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrKlausur 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
Mehr1 Einführung und Grundbegriffe
1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen
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
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
MehrGrundlagen 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
MehrKapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen
Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population
MehrKapitel 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
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
MehrDiskrete Zufallsvariablen (Forts.) I
9 Eindimensionale Zufallsvariablen Diskrete Zufallsvariablen 9.4 Diskrete Zufallsvariablen (Forts.) I T (X ) ist endlich oder abzählbar unendlich, die Elemente von T (X ) werden daher im Folgenden häufig
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
Mehr2. Beschreibung von eindimensionalen (univariaten) Stichproben
1 2. Beschreibung von eindimensionalen (univariaten) Stichproben Bei eindimensionalen (univariaten) Daten wird nur ein Merkmal untersucht. Der Fall von zwei- oder mehrdimensionalen Daten wird im nächsten
MehrBeschreibung von Daten
Kapitel 2 Beschreibung von Daten In diesem Kapitel geht es um die Beschreibung von empirisch erhobenen Daten Größere Datenmengen sind schwer zu überblicken Weil ein Bild leichter als eine Ansammlung von
Mehr