5 Assoziationsmessung in Kontingenztafeln
|
|
- Anna Fertig
- vor 6 Jahren
- Abrufe
Transkript
1 5 Assoziationsmessung in Kontingenztafeln
2 51 Multivariate Merkmale 51 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt zur Beschreibung der Daten Meist ist die Analyse von Zusammenhängen zwischen Merkmalen von größerem Interesse Beispiele für typische Fragestellungen: Beeinflusst das Geschlecht das Erwerbseinkommen? Gibt es einen Zusammenhang zwischen Schichtzugehörigkeit (als etwas veralteter, dennoch klassischer soziologischer Begriff) und Aggressionsneigung? Spielt die Stärke der Kirchenbindung eine Rolle bei der Parteienpräferenz? Dazu werden an jeder Einheit mehrere Merkmale erhoben und ihre Ausprägungen auch gemeinsam analysiert (zb wird das Geschlecht der i-ten Person mit ihrem Einkommen in Beziehung gesetzt) 5 Assoziationsmessung in Kontingenztafeln 208
3 Für Merkmale X,Y,Z nennt man 51 Multivariate Merkmale das Paar (X, Y) ein zweidimensionales (bivariates) Merkmal das Tripel (X, Y, Z) ein dreidimensionales (trivariates) Merkmal Allgemein spricht man von mehrdimensionalen Merkmalen (X,Y) : Ω (W x W y ) ω (X(ω),Y(ω)) 5 Assoziationsmessung in Kontingenztafeln 209
4 Statistische Zusammenhangsmaße messen die Stärke von Zusammenhängen 51 Multivariate Merkmale Achtung: Statistische Zusammenhangsmaße erlauben keine Aussagen über Kausalität! können nicht klären: die Richtung des Zusammenhangs (was ist Ursache, was Wirkung?) ob eine dritte, evtl unbeobachtete Variable den Zusammenhang verursacht 5 Assoziationsmessung in Kontingenztafeln 210
5 521 Gemeinsame Verteilung, Randverteilung, Kontingenztafel Betrachtet wird ein zweidimensionales Merkmal (X, Y) bestehend aus den diskreten Merkmalen X und Y und die zugehörige Urliste (x 1,y 1 ),(x 2,y 2 ),,(x n,y n ) Wir nehmen außerdem an, dass X und Y nur endlich viele (wenige), verschiedene Werte a 1,,a i,,a k bzw b 1,,b j,b m annehmen können Anmerkung: In vielen Büchern (va zur induktiven Statistik) wird statt a 1,,a k auch x 1,,x k und analog statt b 1,,b m auch y 1,,y m geschrieben Bei uns aber sind die (x i,y i ) Werte der Urliste, x i also der Wert von X bei der i-ten Einheit 5 Assoziationsmessung in Kontingenztafeln 211
6 Beispiel (fiktiv): X Schichtzugehörigkeit 1, Unterschicht 2, Mittelschicht 3, Oberschicht Y latente Aggressivität { 1, ja 2, nein 5 Assoziationsmessung in Kontingenztafeln 212
7 Mögliche Urliste des zweidimensionalen Merkmals (X, Y): (3,1),(2,2),(2,1),(3,1),(3,2),(3,1),(1,2),(1,1),(1,1),(1,2),(3,1),(3,1) Einheit X Y Assoziationsmessung in Kontingenztafeln 213
8 Achtung: Tupel sind im Gegensatz zu Mengen geordnete Anordnungen von Zahlen Die Tupel sind gemeinsam indiziert, dh die Werte in einem Tupel beziehen sich immer auf dieselbe Einheit i Bei (x i,y i ) sind x i und y i also die Ausprägungen derselben Einheit i (zb der Person i) Nur so können Zusammenhänge zwischen den Merkmalen sichtbar werden! Gemeinsame relative und absolute Häufigkeitsverteilung: h ij = h(a i,b j ), i = 1,,k, j = 1,,m, Anzahl von Beobachtungen mit x = a i und y = b j f ij = h ij /n = f(a i,b j ), i = 1,,k, j = 1,,m, Anteil von Beobachtungen mit x = a i und y = b j Man nennt (h ij ),i = 1,,k,j = 1,,m und (f ij ) die gemeinsame Verteilung von (X, Y) in absoluten bzw relativen Häufigkeiten 5 Assoziationsmessung in Kontingenztafeln 214
9 Kontingenztafel / Kontingenztabelle / Kreuztabelle: Darstellung der Häufigkeiten in Form einer (k m)-dimensionalen Häufigkeitstabelle b 1 b j b m a 1 h 11 h 1j h 1m h 1 a 2 h 21 h 2j h 2m h 2 a i h i1 h ij h im h i a k h k1 h kj h km h k h 1 h j h m n Der Punkt steht für Summation über den entsprechenden Index Es gilt also: m h i = h ij, dh h i ist die i-te Zeilensumme j=1 k h j = h ij, dh h j ist die j-te Spaltensumme i=1 5 Assoziationsmessung in Kontingenztafeln 215
10 Man kann diese Randhäufigkeiten (sie treten in der Kontingenztabelle am Rand auf) zur getrennten Betrachtung von X und Y verwenden, denn es gilt h i = h i1 ++h im = h(a i ), i = 1,,k, h j = h 1j ++h kj = h(b j ), j = 1,,m Somit ist h i die absolute Häufigkeit von a i bei der Betrachtung des Merkmals X und h j die absolute Häufigkeit von b j bei der Betrachtung des Merksmals Y Man nennt {h i, i = 1,,k} und {h j, j = 1,,m} die Randverteilungen des Tupels (X,Y) 5 Assoziationsmessung in Kontingenztafeln 216
11 Kontingenztafel der relativen Häufigkeitsverteilung: b 1 b j b m a 1 f 11 f 1j f 1m f 1 a 2 f 21 f 2j f 2m f 2 a i f i1 f ij f im f i a k f k1 f kj f km f k f 1 f j f m 1 mit den relativen Häufigkeiten f ij = h ij n und den Randverteilungen f i = h i n = f i1++f im = f(a i ), i = 1,,k, für X und f j = h j n = f 1j ++f kj = f(b j ), j = 1,,m, für Y 5 Assoziationsmessung in Kontingenztafeln 217
12 Beispiel: Aggressivität und Schichtzugehörigkeit Y X 1 2 Beachte: Aus der gemeinsamen Verteilung kann man die Randverteilungen berechnen (aber nicht umgekehrt) 5 Assoziationsmessung in Kontingenztafeln 218
13 Beispiel: Parteipräferenz bei unterschiedlichem Einkommen (Befragung von 722 Personen, ) 5 Assoziationsmessung in Kontingenztafeln 219
14 Bemerkung: Bei Vierfeldertafeln vereinfachen sich die Tabellen wesentlich, mit der Angabe der Häufigkeit in einer Zelle sind bei gegebenen Randhäufigkeiten auch die Häufigkeiten in den anderen Zellen bestimmt zb gegeben h 11 h 12 = h 1 h 11 etc b 1 b 2 a 1 h 11 h 12 h 1 a 2 h 21 h 22 h 2 h 1 h 2 n 5 Assoziationsmessung in Kontingenztafeln 220
15 Unabhängige und abhängige Variable: Hat man eine Vermutung über die Richtung einer potentiellen Wirkung, so bezeichnet man die Variablen entsprechend als unabhängige (wirkende, erklärende) und abhängige (bewirkte) Variable, zb: möglicherweise: Schicht latente Aggresivität eindeutig: Geschlecht Einkommen allgemein: unabhängige abhängige Variable In der Statistik ist es üblich, die unabhängige Variable mit X zu bezeichnen und die abhängige Variable mit Y, wie gewohnt ist dann Y eine Funktion von X Damit werden die Häufigkeitsverteilungen für feste Werte der unabhängigen Variablen in den Zeilen der Kontingenztabelle angegeben Vorsicht: In einigen Büchern wird entgegen dieser Konvention die unabhängige Variable in den Spalten und die abhängige in den Zeilen abgetragen 5 Assoziationsmessung in Kontingenztafeln 221
16 522 Ökologischer Fehlschluss Achtung: Hier wird der Begriff ökologisch im Sinne von kollektiv verwendet (Robinson, 1950) Es gibt sehr viele gemeinsame Verteilungen, die zu denselben Randhäufigkeiten passen Im Beispiel oben passt ua: Y X Man sieht also, wie wichtig es zur Feststellung potentieller Zusammenhänge ist, die gemeinsame Verteilung h ij zu kennen, also tatsächlich die Paare (x i,y i ) zu betrachten 5 Assoziationsmessung in Kontingenztafeln 222
17 Der unzulässige Schluss von der Randverteilung auf Eigenschaften der gemeinsamen Verteilung, also von zwei univariaten Ergebnissen auf ein bivariates, von der Kollektiv- auf die Individualebene, heißt ökologischer Fehlschluss Kommen zwei Eigenschaften (verschiedene Merkmale) häufig vor, heißt dies nicht notwendig, dass sie gemeinsam häufig vorkommen 5 Assoziationsmessung in Kontingenztafeln 223
18 523 Grafische Darstellung der gemeinsamen Verteilung Verschiedene Darstellungsarten, zb als 3D-Säulendiagramm der gemeinsamen Häufigkeiten h ij als normale Säulendiagramme nach einer Variable aufgespalten, dh für jeden Wert a i von X werden jeweils die Häufigkeiten h ij bzw f ij aufgetragen 5 Assoziationsmessung in Kontingenztafeln 224
19 Wohnfläche Miete Assoziationsmessung in Kontingenztafeln 225
20 524 Bedingte Häufigkeitsverteilungen Beispiel: Habilitationen nach Geschlecht und Fach Grundgesamtheit: alle Habilitationen 1993 Geschlecht: X Fächergruppe: Y Sprachw Rechtsw Naturw Kunst Medizin Kulturw Wirts, Soz weiblich männlich Assoziationsmessung in Kontingenztafeln 226
21 Definition: Seien h i > 0 und h j > 0 für alle i,j Für jedes i = 1,,k heißt f Y (b 1 a i ) := h i1 = h(a i,b 1 ) h i h(a i ),, f Y(b m a i ) := h im = h(a i,b m ) h i h(a i ) bedingte (relative) Häufigkeitsverteilung von Y unter der Bedingung X = a i Analog heißt für jedes j = 1,,m f X (a 1 b j ) := h 1j = h(a 1,b j ) h j h(b j ),, f X(a k b j ) := h kj = h(a k,b j ) h j h(b j ) bedingte (relative) Häufigkeitsverteilung von X unter der Bedingung Y = b j 5 Assoziationsmessung in Kontingenztafeln 227
22 Im Beispiel: f X (Frau Habil in Kunst) = f X (Frau Habil in Naturw) = Zu unterscheiden von bzw f 13 = h 13 n = f Y (Habil in Kunst Frau) = Die Verwechslung von gemeinsamer und bedingter Verteilung bzw verschiedener bedingter Verteilungen ist eine häufige Fehlerquelle Konvention: Bei Vermutung über Richtung des Zusammenhangs betrachtet man vorwiegend die bedingte Verteilung der abhängigen Variablen gegeben die festen Werte der unabhängigen Variable In diese Richtung geht ja auch die Prognose! Man kennt den Wert der unabhängigen Variablen und will Aussagen über die abhängige machen 5 Assoziationsmessung in Kontingenztafeln 228
23 Beispiel: Gesucht: Bedingte Verteilung der Fächergruppen gegeben das Geschlecht, dh f Y (b j a i ) für verschiedene i Sprachw Rechtsw Naturw Kunst Medizin Kulturw Wirts, Soz weiblich männlich Y : b j Sprachw Rechtsw Naturw Kunst Medizin X : a i Kulturw Wirts, Soz weiblich 1 männlich 2 5 Assoziationsmessung in Kontingenztafeln 229
24 f Y (Rechtsw weiblich) = f Y (Kunst männlich) = 5 Assoziationsmessung in Kontingenztafeln 230
25 Gesucht: Bedingte Verteilung des Geschlechts gegeben die Fachgruppe, dh f X (a i b j ) für verschiedene j a i b j Sprachw Rechtsw Naturw Kunst Medizin Kulturw Wirts, Soz weiblich 1 männlich 2 f X (weiblich Rechtsw) = f X (männlich Kunst) = 5 Assoziationsmessung in Kontingenztafeln 231
26 Nochmals zur Interpretation: 1 f X (weiblich Medizin) = 2 f Y (Medizin weiblich) = 3 f 15 = f(medizin und weiblich) = Es liegt jeweils eine andere Grundgesamtheit zu Grunde: Bedingte Verteilungen werden automatisch durch relative Häufigkeiten ausgedrückt Für die Berechnung gilt f X (a i b j ) = h ij h j = h ij n h j n = f ij f j und analog f Y (b j a i ) = h ij h i = f ij f i 5 Assoziationsmessung in Kontingenztafeln 232
27 Beispiel: Parteipräferenzen 5 Assoziationsmessung in Kontingenztafeln 233
28 Beispiel: A Quatember (Institut für angewandte Statistik, Linz): Unsinn in den Medien - Vom allzu sorglosen Umgang mit Daten (I): Man nehme kritisch Stellung zu dem folgenden Zeitungsausschnitt! Quelle: Kronen-Zeitung, Assoziationsmessung in Kontingenztafeln 234
29 Beispiel: A Quatember: Unsinn in den Medien - Vom allzu sorglosen Umgang mit Daten (II): Quelle: Der Standard, Assoziationsmessung in Kontingenztafeln 235
Warum reicht die Varianz nicht zur Konzentrationsmessung aus? Betrachtet man die Merkmale X A (
Kapitel 4 Konzentrationsmaße Warum reicht die Varianz nicht zur Konzentrationsmessung aus? Betrachtet man die Merkmale X A ( Einkommen in Land A ) und X B ( Einkommen in Land B ) mit folgender Häufigkeitsverteilung
MehrBeeinflusst das Geschlecht das Erwerbseinkommen?
74 Kapitel 5 Analyse von Zusammenhängen 5.1 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt. Letztendlich kommt es auf die Analyse von
MehrAnalyse bivariater Kontingenztafeln
Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
Mehr5 Zusammenhangsmaße, Korrelation und Regression
5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
Mehr12. Bivariate Datenanalyse. In den Kapiteln 4-11 wurden univariate Daten betrachtet:
12. Bivariate Datenanalyse Während einer nur Zahlen im Kopf hat, kann er nicht auf den Kausalzusammenhang kommen Anonymus In den Kapiteln 4-11 wurden univariate Daten betrachtet: Von univariaten Daten
Mehr1,11 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
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
MehrSkript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse
Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung
MehrLog-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
MehrAbhängigkeit zweier Merkmale
Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrInhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3
I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrReihungen. Martin Wirsing. in Zusammenarbeit mit Matthias Hölzl und Nora Koch 11/03
Reihungen Martin Wirsing in Zusammenarbeit mit Matthias Hölzl und Nora Koch 11/03 2 Ziele Die Datenstruktur der Reihungen verstehen: mathematisch und im Speicher Grundlegende Algorithmen auf Reihungen
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
Mehr6. Auswertung mehrdimensionaler Daten
6. Auswertung mehrdimensionaler Daten Bisher: Auswertungsmethoden für Daten eines einzelnen Merkmals, z.b. Diskrete Klassierung Grafische Darstellungen (Verteilungsfunktion) Lagemaße Streungsmaße Schiefemaße
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
Mehr1 Verteilungen und ihre Darstellung
GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen
MehrLeseprobe aus: Luhmann, R für Einsteiger, ISBN 978-3-621-27928-4 2011 Beltz Verlag, Weinheim Basel
http://www.beltz.de/de/nc/verlagsgruppe-beltz/gesamtprogramm.html?isbn=978-3-621-27928-4 Vorwort zur zweiten Auflage XI Vorwort zur zweiten Auflage Die Statistiksoftware Rgibt es schon seit 1992, aber
MehrErfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
MehrEinführung in die statistische Datenanalyse I
Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrWORKSHOP "Erstellen einer Button-Grafik mit der Software Word von Microsoft"
WORKSHOP "Erstellen einer Button-Grafik mit der Software Word von Microsoft" 1. Schritt Starten Sie das Programm Microsoft WORD und laden Sie die Word-Vorlage für 25mm, 37mm oder 56mm Buttons ab der Grizzly
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
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrKapitel 7: Zweidimensionale Häufigkeitsverteilungen
Kapitel 7: Zweidimensionale Häufigkeitsverteilungen 1. Regression und Korrelation... 192 2. Darstellung mehrdimensionaler Datensätze... 193 a) Verbundene Beobachtungen, gemeinsame Verteilung... 193 b)
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehr1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK
1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition
Mehr4. Relationen. Beschreibung einer binären Relation
4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B
Mehr2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26 28
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrStatistik I für Statistiker, Mathematiker und Informatiker (WS 06/07)
1 Einführung Statistik I für Statistiker, Mathematiker und Informatiker (WS 06/07) 11 Beispiele 1 Einführung Christian Heumann (basierend auf einem Skript von Prof Fahrmeir) 12 Grundaufgaben der Statistik
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
Mehr1 Visual Basic for Application mit Excel (VBA)
Informatikfreikurs WS 2008/2009 1 1 Visual Basic for Application mit Excel (VBA) 1.1 Mosaik Puzzle Das untenstehende Zahlenschema ist ein sogenanntes Mosaik Puzzle. Jede Zahl zeigt an, wie viele der (höchstens
Mehr2. Programmierung in C
2. Programmierung in C Inhalt: Überblick über Programmiersprachen, Allgemeines zur Sprache C C: Basisdatentypen, Variablen, Konstanten Operatoren, Ausdrücke und Anweisungen Kontrollstrukturen (Steuerfluss)
MehrAnalyse klassierter Daten: Vor der Analyse fasst man jeweils mehrere Merkmalsausprägungen in (Merkmalswerte-)Klassen zusammen.
4. Analyse univariater Daten: Übersicht Mathematik ist die Wissenschaft der reinen Zahl, Statistik die der empirischen Zahl Von univariaten Daten spricht man, wenn bei der Datenerhebung nur ein Merkmal
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
Mehr6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale 6.1 Korrelationsanalyse 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrEntwurf von Algorithmen - Kontrollstrukturen
Entwurf von Algorithmen - Kontrollstrukturen Eine wichtige Phase in der Entwicklung von Computerprogrammen ist der Entwurf von Algorithmen. Dieser Arbeitsschritt vor dem Schreiben des Programmes in einer
MehrAnwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik
Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik Wintersemester 08/09 Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik
MehrTaylorentwicklung der k ten Dimension
Taylorentwicklung der k ten Dimension 1.) Taylorentwicklung... 2 1.1.) Vorgehenesweise... 2 1.2.) Beispiel: f ((x, y)) = e x2 +y 2 8x 2 4y 4... 3 2.) Realisierung des Algorithmus im CAS Sage Math... 5
MehrKapitel 6: Graphalgorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrQualitative Datenanalyse
Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1
MehrSUDOKU - Strategien zur Lösung
SUDOKU Strategien v. /00 SUDOKU - Strategien zur Lösung. Naked Single (Eindeutiger Wert)? "Es gibt nur einen einzigen Wert, der hier stehen kann". Sind alle anderen Werte bis auf einen für eine Zelle unmöglich,
MehrSchritt für Schritt-Einführung in die Prozedur Tabulate
Tutorium Schritt für Schritt-Einführung in die Prozedur Tabulate Carina Ortseifen Universitätsrechenzentrum Heidelberg Im Neuenheimer Feld 293 69120 Heidelberg Carina.Ortseifen@urz.uni-heidelberg.de Zusammenfassung
MehrWissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)
Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)
MehrDatenaufbereitung, Grafische Datenanalyse
Datenaufbereitung, Grafische Datenanalyse R-Übung 2 Statistik III für Nebenfachstudierende LMU WS 2013/14 David Rügamer 6. & 13. November 2013 Nach einer Vorlage von Toni Hilger (WS 11/12) und Arne Kaldhusdal
MehrPreferred citation style for this presentation
Preferred citation style for this presentation Simma, A. (2002) Ziel- und Verkehrsmittelwahl für Wege zum Skifahren in der Schweiz, 3. AMUS-Konferenz, Aachen, Juli 2002. 1 Ziel - und Verkehrsmittelwahl
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
Mehr5. Verschiedene Repräsentanten
5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrKrankenversicherungsmathematik
Krankenversicherungsmathematik Florian Peycha 8. Januar 2008 Inhaltsverzeichnis 1 Kopfschaden 1 1.1 Die Methode von Rusam..................... 2 1.2 Altersgruppenbildung....................... 3 1.3 Die
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
MehrÜbung 4: Einführung in die Programmierung mit MATLAB
Übung 4: Einführung in die Programmierung mit MATLAB AUFGABE 1 Was bewirkt der Strichpunkt? - Der Strichpunkt (Semikola) unterdrück die Anzeige der (Zwischen-) Resultate. Welche Rolle spielt ans? - Wenn
Mehrreport Mainz - Islam in Deutschland
Ergebnisse einer repräsentativen Erhebung - Tabellarische Übersichten Eine Studie von Infratest dimap im Auftrag von report Mainz Berlin, 8. Oktober 2010 67.10.113326 Untersuchungsanlage Grundgesamtheit:
MehrAccess [basics] Programmieren mit Arrays. Beispieldatenbank. Arrays. Eindimensionale Arrays. VBA-Grundlagen Programmieren mit Arrays
Dass Sie unter Access Daten in Tabellen speichern und gezielt darauf zugreifen können, wissen Sie als Access [basics]-leser schon längst. Aber was, wenn Sie nur ein paar gleichartige Daten zwischenspeichern
MehrPsychose Analyse und Therapie Der Ratgeber får Betroffene und AngehÇrige
Ursula Schnieder Psychose Analyse und Therapie Der Ratgeber får Betroffene und AngehÇrige Diese Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen,
MehrTests in Kontingenztafeln
Tests in Kontingenztafeln Der theoretische Phi-Koeffizient Der Phi-Koeffizient bei unabhängigen Zufallsvariablen Der Chiquadrat-Unabhängigkeitstest Der Chiquadrat-Unabhängigkeitstest in Vierfelder-Tafeln
MehrEinführung in die Java- Programmierung
Einführung in die Java- Programmierung Dr. Volker Riediger Tassilo Horn riediger horn@uni-koblenz.de WiSe 2012/13 1 Wichtig... Mittags Pommes... Praktikum A 230 C 207 (Madeleine) F 112 F 113 (Kevin) E
MehrDatenerfassung und Datenmanagement
Datenerfassung und Datenmanagement Statistische Auswertungssysteme sind heute eine aus der angewandten Statistik nicht mehr wegzudenkende Hilfe. Dies gilt insbesondere für folgende Aufgabenbereiche: -
MehrLeitfaden zur Datenerfassung in Excel
Leitfaden zur Datenerfassung in Excel Hinweise zur korrekten Dateneingabe Johannes Hain Studentische Statistische Beratung Universität Würzburg 1 / 21 Inhaltsverzeichnis 1 Allgemeines 2 Variableneingabe
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
Mehr5..Leitfaden.für.das.Verfassen.schriftlicher.Arbeiten.
5..Leitfaden.für.das.Verfassen.schriftlicher.Arbeiten. von2philipp2richter,2okt.220132(ausgehend2von2jan2müller,2april22009)2 ObwohlsichPhilosophierenprimärinGesprächenvollzieht,gewinntesseineFormzurSelbst]
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
Mehr16 Tabellen. Mehr Informationen zum Titel. 16.1 Einordnen von Tabellen in den Text. 16.2 Zur Ausführung von Tabellen
Mehr Informationen zum Titel 16 Tabellen 143 16 Tabellen 16.1 Einordnen von Tabellen in den Text Tabellen lassen sich entweder in der Textverarbeitung selbst erstellen oder nach Umwandlung aus einem Tabellenkalkulations-Programm
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrDr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 4. Messtheorie Messen in den Sozialwissenschaften, Operationalisierung und Indikatoren, Messniveaus,
MehrVererbung und Epilepsie
epi-info Vererbung und Epilepsie www.diakonie-kork.de 1 Was versteht man unter Vererbung, und welche Hauptformen gibt es? Vererbung ist die Weitergabe von Merkmalen von Eltern an ihre Kinder. Dies erfolgt
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 12: Termersetzungssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A ist eine
MehrEvident VDDS-Anbindung von MIZ
Evident VDDS-Anbindung von MIZ Die VDDS Schnittstelle erlaubt die Übernahme der Patientendaten aus Evident in MIZ. Außerdem können Sie aus Evident heraus (aus der Patientenkarteikarte) MIZ oder den MIZViewer
MehrQuantitative empirische Sozialforschung
Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft
MehrCODEBOOK POLITISCHE KULTUREN IM RUHRGEBIET: WAHRNEHMUNGEN UND EINSTELLUNGEN GEGENÜBER POLITISCHEN OBJEKTEN
FF1 CODEBOOK POLITISCHE KULTUREN IM RUHRGEBIET: WAHRNEHMUNGEN UND EINSTELLUNGEN GEGENÜBER POLITISCHEN OBJEKTEN A. FILTERFRAGEN ZU BEGINN Einleitung: Wir sind Studierende der Universität Duisburg Essen
Mehr620.900 Propädeutikum zur Programmierung
620.900 Propädeutikum zur Programmierung Andreas Bollin Institute für Informatik Systeme Universität Klagenfurt Andreas.Bollin@uni-klu.ac.at Tel: 0463 / 2700-3516 Arrays Wiederholung (1/5) Array = GEORDNETE
MehrKreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"
Ergänzung zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Kreditscoring zur Klassifikation von Kreditnehmern Beschreibung des Datensatzes Die Vergabe von Privatkrediten wird von der Bonität der
Mehr2.3 Univariate Datenanalyse in R
2.3. UNIVARIATE DATENANALYSE IN R 47 2.3 Univariate Datenanalyse in R Wir wollen nun lernen, wie man in R Daten elementar analysiert. R bietet eine interaktive Umgebung, Befehlsmodus genannt, in der man
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrErgebnispräsentation zur Datenerhebung (Rohergebnis) der Elternbefragung zum verkürzten Zweig an der Friedensschule Münster
Ergebnispräsentation zur Datenerhebung (Rohergebnis) der Elternbefragung zum verkürzten Zweig an der Friedensschule Münster Aufbau: 1. Präsentation der Ergebnisse in grafischer Darstellung in absoluten
MehrEinführung in die Statistik mit EXCEL und SPSS
Christine Duller Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage Mit 71 Abbildungen und 26 Tabellen Physica-Verlag Ein Unternehmen
Mehr