Beschreibung von Daten
|
|
- Nicolas Wetzel
- vor 6 Jahren
- Abrufe
Transkript
1 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 Zahlen zu interpretieren ist, sind grafische Darstellungen sehr populär ,,Ein Bild sagt mehr als 1000 Zahlen Weitere Möglichkeiten, sich einen Überblick über Daten zu verschaffen, bieten das Erstellen von Tabellen und das Berechnen von Maßzahlen Damit können relevante Informationen in den Daten auf wenige Zahlen komprimiert werden Die erwähnten Möglichkeiten zur Datenaufbereitung sind oft nicht Endzweck, sondern werden dazu verwendet, einen ersten Überblick über eine Stichprobe zu verschaffen (Explorative Datenanalyse) Die so gewonnenen Informationen sind sehr hilfreich, um ein geeignetes Verfahren für eine komplexere statistische Analyse auszuwählen Anhand von Beispielen werden wir einige Methoden der deskriptiven Statistik kennenlernen und deren Anwendungsbereich diskutieren 15
2 16 Beschreibung von Daten 21 Tabellen und grafische Datenaufbereitung Merkmale wie Lieblingsfach, Automarke, Haarfarbe, die zwar durch einen Zahlenwert codiert werden können, bei denen die Zuordnung zu den einzelnen Merkmalsausprägungen aber willkürlich ist, nennt man nominalskaliert Neben der Häufigkeitstabelle sind Kreis- und Balkendiagramme beliebte Darstellungsformen für nominalskalierte Merkmale Diese werden auch bei ordinalskalierten Merkmalen verwendet Das sind Merkmale bei denen der Zahlenwert nur eine Reihung darstellt Beispiel: Das Merkmal erreichter Platz bei einem Skirennen ist ordinalskaliert Platz 1 ist besser als Platz drei, und Platz 2 ist besser als Platz 4 Obwohl 3 1=4 2 ist, kann daraus nicht geschlossen werden, dass der Unterschied zwischen dem Ersten und dem Drittplatzierten gleich dem Unterschied zwischen dem Zweiten und dem Vierten ist Schüler werden befragt, welches von den drei Fächern Mathematik, Deutsch und Englisch sie am liebsten mögen Der mit der Ergebnisreihe 1, 3, 2, 2, 2, 3, 1, 1, 3, 3, 3, 1, 3, 2, 2, 1, 3, 3, 2, 1 (Mathematik 1, Deutsch 2, Englisch 3) konfrontierte Schuldirektor schlägt vor, ein Balkendiagramm und ein Kreisdiagramm (heißt auch Tortendiagramm) zu diesen Daten zu erstellen Erstelle die gewünschten Diagramme! (1) (2) (3) Lösung: Kreisdiagramme eignen sich besonders zum Ablesen des Anteils, den eine Gruppe an der Gesamtheit hat Bei Balkendiagrammen ist das Vergleichen und Ordnen der einzelnen Gruppen nach der Größe einfacher Zur Lösung erstellen wir zunächst eine Häufigkeitstabelle: Lieblingsfach Anzahl Die Balkenhöhen ergeben sich unmittelbar aus den Häufigkeiten Das Balkendiagramm vermittelt allerdings nur dann optisch einen richtigen Eindruck, wenn die Balkenhöhe bei 0 beginnt! Für das Kreisdiagramm be-
3 Beschreibung von Daten 17 rechnen wir die relativen Häufigkeiten und daraus, durch Multiplizieren mit 360,dieWinkel Lieblingsfach rel Häufigkeiten Winkel Deutsch Englisch Mathem Mathem Deutsch Englisch Balkendiagramm Kreisdiagramm Merkmale, bei denen das Bilden von Differenzen der Werte sinnvoll ist, nennt man intervallskaliert (zb Temperatur: Differenzen sind sinnvoll, nicht jedoch Aussagen der Form:,,20 Grad sind doppelt so warm wie 10 Grad ) Hat die Skala einen absoluten Nullpunkt (zb Größe, Alter, Temperatur in Kelvin), so ist außerdem auch das Bilden von Quotienten sinnvoll Man spricht dann von verhältnisskalierten Merkmalen Man nennt ein Merkmal auch metrisch skaliert (oder kurz metrisch), wenn es intervall- oder verhältnisskaliert ist Metrisch skalierte Merkmale können entweder diskrete oder kontinuierliche Wertebereiche haben Beispiele für diskrete Merkmale sind etwa die Punktezahl bei einem Test, die nur ganzzahlige Werte annehmen kann, oder die Schuhgröße, die in Vielfachen von 1/2 gemessen wird Ein kontinuierlich (oder stetig) skaliertes Merkmal ist etwa die Füllmenge einer Wasserflasche in Litern, die jeden beliebigen Wert aus dem Intervall [0, 1] annehmen kann Für metrisch skalierte Merkmale ist das (Flächen-) Histogramm eine beliebte und oftmals verwendete Darstellungsform Ein Flächenhistogramm ist einem Balkendiagramm ähnlich, jedoch werden die Daten hier in Klassen aggregiert Insbesondere für kontinuierlich skalierte Merkmale, bei denen jeder einzelne Wert im Allgemeinen höchstens einmal angenommen wird, ist die Zusammenfassung von Werten in einem Intervall zu einer Klasse naheliegend und sinnvoll für die grafische Darstellung von
4 18 Beschreibung von Daten Häufigkeiten Im Unterschied zum Balkendiagramm enthält die Breite der Flächenstücke Information - sie repräsentiert die Länge des Intervalls, aus dem Messungen zur jeweiligen Klasse zusammengefasst werden Unterschiedliche Klassenbreiten wird man dann verwenden, wenn die Messungen in verschiedenen Teilbereichen des Wertebereichs unterschiedlich dicht liegen; Bereiche großer Dichte wird man feiner unterteilen, während Bereiche mit sehr niederer Dichte zu einer Klasse zusammengefasst werden, um leere Klassen zu vermeiden Aufgrund der frei wählbaren Klassenbreite wird die Häufigkeit einer Klasse durch die Fläche der Balken wiedergegeben, nicht durch die Höhe (wie beim Balkendiagramm) In diesem Buch werden wir stets als Konvention annehmen, dass die obere Klassengrenze zur jeweiligen Klasse gehört Wir bedienen uns zudem stets der im folgenden Beispiel verwendeten Notation Klassen- Klassen- Klassen- Absolute Klasse grenzen breiten mitten Häufigkeit 1 a 0 <a 1 b 1 = a 1 a 0 x 1 =(a 0 + a 1)/2 h 1 2 a 1 <a 2 b 2 = a 2 a 1 x 2 =(a 1 + a 2)/2 h 2 i a i 1 <a i b i x i h i k a k 1 <a k b k = a k a k 1 x k =(a k 1 + a k )/2 h k Summe H Tabelle 21: Notation für klassifizierte Daten In jeder Klasse i gilt für das Merkmal x, dassa i 1 <x a i Die Klassengrenze a i gehört also zur Klasse i Relative Histogramm- Kumulierte Häufigkeit Klasse Häufigkeit Balkenhöhe absolut relativ 1 f 1 = h 1/H f1 = f 1/b 1 H 1 = h 1 F 1 = f 1 2 f 2 = h 2/H f2 = f 2/b 2 H 2 = H 1 + h 2 F 2 = F 1 + f 2 i f i fi H i F i k f k = h k /H f k = f k /b k H k = H k 1 + h k F k = F k 1 + f k Tabelle 22: Notation für klassifizierte Daten (Die angegebene Histogrammbalkenhöhe führt zu Histogrammen mit Fläche 1 Beachte, dass H k = H = h 1 + h h k ist)
5 Beschreibung von Daten Aus der österreichischen Volkszählung 1991 wurde unter anderem die Bevölkerungsverteilung nach dem Alter ermittelt Diese ist in Tabelle 23 zusammengefasst a) Zeichne vergleichbare (Flächen-)Histogramme der Bevölkerungsverteilung, getrennt für Männer und Frauen! b) Fasse nun die Personen zwischen 50 und 100 zu einer Altersklasse zusammen und erstelle ein Histogramm für die weibliche Bevölkerung Welche Probleme ergeben sich, wenn die relativen Häufigkeiten fälschlicherweise als Balkenhöhen aufgetragen werden? Alters- Geschlecht klasse männlich weiblich Insgesamt Tabelle 23: Altersverteilung der österreichischen Bevölkerung 1991 c) Erstelle ein Histogramm für die weibliche Bevölkerung, das auf der Klasseneinteilung 0 20, und beruht Lege dann ein Häufigkeitspolygon über das Histogramm d) Zeichne Summenpolygone zu den Daten in der Tabelle und ermittle grafisch (ungefähr) den Median 1, getrennt für Männer und Frauen Lösung: Zur Lösung erstellen wir die folgende Tabelle (Vgl Tab 21 und 22) 1 Der Median ist eine Zahl m, die erfüllt, dass sowohl mindestens 50% der Beobachtungen kleiner gleich m sind, als auch mindestens 50% der Daten größer gleich m sind Der Median wird in Abschnitt 22 genauer besprochen, die Berechnung kann nach Formel (220) erfolgen
6 20 Beschreibung von Daten Alters- rel Häufigkeiten (f i ) kum rel Häufigk (F i ) Klassenklasse männlich weiblich männlich weiblich breiten b i a) Um vergleichbare Histogramme zu erhalten, normieren wir auf Fläche 1 Das erreicht man, indem man die relativen Häufigkeiten f i in obiger Tabelle durch die Klassenbreiten b i dividiert und die resultierenden Größen als Balkenhöhen fi aufträgt Man erhält als Histogramme: Männer Frauen Die Normierung auf Fläche 1 hat auch den Vorteil, dass die Einheiten der y-achse als relative Häufigkeit pro Einheit der x-achse interpretiert werden können In unserem Beispiel sind die Einheiten der x-achse Jahre Daher kann zb beim Histogramm zur männlichen Bevölkerung aus der Balkenhöhe von zur Altersklasse geschlossen werden, dass auf jedes Lebensjahr zwischen 20 und 30 im Mittel 184% (relative Häufigkeit: 00184) der männlichen Bevölkerung entfallen Je höher ein Histogrammbalken ist, desto höher ist die Personendichte in der zugehörigen Klasse, dh desto mehr Personen entfallen im Mittel auf jedes Lebensjahr Dieser Sachverhalt erklärt, warum die Balkenhöhen fi auch als Klassendichten bezeichnet werden b) Für die neu gebildeten Klassen berechnen wir wieder die relativen Häufigkeiten, Breiten und Klassendichten f i
7 Beschreibung von Daten 21 Klasse f i b i fi Betrachten wir nun das links abgebildete nach den obigen Angaben korrekt erstellte Histogramm Von der Struktur her sieht es dem korrespondierenden Histogramm aus a) ziemlich ähnlich Dagegen suggeriert das rechte Histogram, bei dem fälschlicherweise die relativen Häufigkeiten f i als Balkenhöhen aufgetragen wurden, dass es wesentlich mehr Frauen im Alter zwischen 50 und 100 Jahren gibt, als zwischen 0 und 50 Das entspricht offensichtlich nicht den Tatsachen korrektes Histogramm falsches Histogramm c) Die folgende Tabelle enthält relativen Häufigkeiten, sowie die Klassenbreiten und Klassendichten f i Klasse f i b i fi Für das Häufigkeitspolygon verbindet man die Balken an den Klassenmitten, also die Punkte (x i,f i )(1 i k), durch Geradenstücke Die ersten und letzten Klassenmitten, also (x 1,f1 ) und (x k,f k ), werden schließlich soweit sinnvoll mit den Punkten (a 0 b 1 /2, 0) bzw (a k +b k /2, 0) verbunden In unserem Fall ergeben sich die Punkte ( 10, 0), (10, 0011), (40, 0013), (80, 0006) und (120, 0) Beim Verbinden der Punkte ist zu beachten, dass eine Fortsetzung
8 22 Beschreibung von Daten des Polygons unter das Alter von 0 Jahren sinnlos ist und daher unterbleiben sollte Histogramm mit Häufigkeitspolygon d) Durch Verbinden der Punktepaare (a i,f i )für 0 i k (wobei F 0 := 0) ergeben sich die Summenpolygone: Fi Fi Median Median Männer Frauen Durch Ablesen von der Kurve bei 05 auf der y-achse sieht man, dass der Median (das 50% Quantil) für Männer bei ca 34 Jahren und für Frauen bei ca 38 liegt (Die exakte Berechnung des Medians bei klassifizierten Daten ist in Aufgabe 2 16 diskutiert)
9 Beschreibung von Daten 23 Wie wir im obigen Beispiel gesehen haben, kann das Summenpolygon zum Ablesen des Medians bzw allgemeiner zum Ablesen von Quantilen 2 verwendet werden Von der x-achse kann außerdem der Anteil der Beobachtungen abgelesen werden, der in ein interessierendes Intervall fällt: Anteil für Intervall (a, b] istgleich (Summenpolygon bei b) - (Summenpolygon bei a) 2 3 Bei einem Tortenwettessen mit 60 Teilnehmern bekam jeder eine Sachertorte zu essen Von jedem Teilnehmer wurde festgestellt, welchen Anteil der Torte er essen konnte Die Verteilung dieser Essleistungen findet sich in folgendem Histogramm (Die Essleistung (Tortenanteil) ist auf der horizontalen Achse, die Klassendichte auf der vertikalen Achse aufgetragen) Essleistung (Tortenanteil) Wie viele der 60 Teilnehmer schafften es, mindestens die Hälfte der vorgesetzten Torte zu essen? Lösung: Beim vorliegenden Histogramm ergibt die Summe aller Balkenflächen eins Daher ist die relative Häufigkeit für eine Klasse gleich der zugehörigen Balkenfläche, also gleich dem Produkt von Balkenhöhe und Klassenbreite (Wäre die Fläche des Histogramms ungleich eins, müssten wir das Ergebnis noch durch die Histogrammfläche dividieren, um die gesuchte relative Häufigkeit zu erhalten) In unserem Fall erhalten wir für die von 05 bis 1 gehende Klasse eine relative Häufigkeit von 1/4 Durch Multiplikation mit 60 ergibt sich als Lösung eine absolute Häufigkeit von 2 Ein 100α% Quantil ist eine Zahl q, die erfüllt, dass sowohl mindestens 100α% der Beobachtungen kleiner gleich q sind, als auch mindestens 100(1 α)% der Daten größer gleich q sind Quantile werden im nachfolgenden Abschnitt Maßzahlen näher behandelt, die rechnerische Ermittlung von Quantilen für klassifizierte Daten kann nach Formel 220 erfolgen
10 24 Beschreibung von Daten 15 Personen Histogramm, Summenpolygon und Häufigkeitspolygon geben die Verteilung von Klassenhäufigkeiten wieder; wollen wir Urdaten, dh, die Daten, die (noch) nicht in Klassen zusammengefasst sind, beschreiben und darstellen, so führen wir folgende Bezeichnungen ein: Notation: (n Anzahl der Beobachtun- Beobachtungen: x 1,x 2,,x n gen) x [1] x [2] x [n] bezeichnet die der Größe nach sortierten Beobachtungen (x [1] kleinste Beobachtung aus x 1,,x n, x [2] zweitkleinste Beobachtung usw) Beispiel: Für x 1 = 3, x 2 =5,x 3 =3,x 4 =1istx [1] =1,x [2] =3,x [3] =3,x [4] =5 F n (x) bezeichnet die empirische Verteilungsfunktion: Zur Berechnung an einem Punkt x ermittelt man jenes j, für das x [j] x und x [j+1] >xund setzt F n (x) =j/n (21) Die empirische Verteilungsfunktion F n (x) an der Stelle x ist auch gleich der durch n dividierten Anzahl der Beobachtungen x j,die kleiner oder gleich x sind Bei klassifizierten Daten haben wir Summenpolygone zur Beschreibung der Verteilung verwendet Wenn die Daten nicht in Klassen zusammengefasst sind, so kann stattdessen die empirische Verteilungsfunktion verwendet werden Stellen die Beobachtungen eine Stichprobe dar, dann kann die empirische Verteilungsfunktion als Approximation der tatsächlichen unbekannten Verteilung 3 in der Grundgesamtheit aufgefasst werden 3 Verteilungsfunktionen werden in Kapitel 41 und 42 besprochen
Beschreibung von Daten
Kapitel 1 Beschreibung von Daten 1.1 Beispiele zum Üben 1.1.1 Aufgaben Achtung: die Nummerierung ist nicht ident mit der im Buch; Bsp. 1-1 enspricht Bsp 2-20 im Buch, 1-2 2-21 im Buch usw. 1 1 In einem
MehrTutorial: Balken- und Tortendiagramm
Tutorial: Balken- und Tortendiagramm In der Tabelle ist die Notenverteilung von 510 Teilnehmern an Mathematik Proseminaren angegeben (NA bedeutet einen unbekannten Wert). Der Sachverhalt sollte in zwei
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
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
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
MehrKapitel V - Graphische Darstellung von Häufigkeitsverteilungen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel V - Graphische Darstellung von Häufigkeitsverteilungen Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
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
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
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:.............................................................................
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrDeskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1
1 Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 1 (a) Es sollen die mathematischen Vorkenntnisse der Studenten, die die Vorlesung Statistik I für Statistiker,
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
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
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
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
MehrRelative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen:
Relative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen: http://www.serlo.org/ 1. In einer Schulklasse ergaben sich bei einer Mathematikschulaufgabe folgende Noten: Note 1
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
Mehr1.1 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
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
MehrStatistik 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
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
MehrLösungen zur deskriptiven Statistik
Lösungen zur deskriptiven Statistik Aufgabe 1. Bei einer Stichprobe von n = Studenten wurden folgende jährliche Ausgaben (in e) für Urlaubszwecke ermittelt. 1 58 5 35 6 8 1 6 55 4 47 56 48 1 6 115 8 5
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
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
Mehr1) 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?
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
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
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:
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
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
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:
MehrWirtschaftswissenschaftliches 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
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Ruediger.Braun@uni-duesseldorf.de Heinrich-Heine Universität Düsseldorf Mathematik für Biologen p. 1 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
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 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
MehrWirtschaftswissenschaftliches 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
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
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
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
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
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
MehrGrafische Darstellung von Häufigkeitsverteilungen (1)
Grafische Darstellung von Häufigkeitsverteilungen () Grafische Darstellungen dienen... - Einführung - der Unterstützung des Lesens und Interpretierens von Daten. der Veranschaulichung mathematischer Begriffe
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
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
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
MehrBinomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen
MehrUnivariate 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>
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
Mehr3. 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
MehrSpezielle Eigenschaften der Binomialverteilung
Spezielle Eigenschaften der Binomialverteilung Wir unterscheiden: 1) die Wahrscheinlichkeitsfunktion einer diskreten Variablen 2) die Verteilungsfunktion einer diskreten Variablen. 1) Die Wahrscheinlichkeitsfunktion
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse
MehrDie 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
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
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
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
MehrStatistik. 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...........
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
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
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 Grundbegriffe
Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
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
MehrLerneinheit Statistik
Lerneinheit Statistik In dieser Lerneinheit findest du zu verschiedenen statistischen Themen jeweils ein durchgerechnetes Musterbeispiel und anschließend ähnliche Beispiele zum eigenständigen Arbeiten.
MehrStatistik 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
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-09 In der LV Statistik 1 haben wir auch den Zusammenhang von 2 Variablen untersucht. Hier werden die dazugehörenden R-Befehle
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrKapitel 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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
Mehr2 Merkmalsausprägungen, Skalen, Häufigkeiten, Klassierung
2 2.1 Merkmalsausprägungen und Skalen Bei statistischen Analysen wird eine bestimmte Anzahl von Elementen untersucht und mit den Methoden der Statistik quantifiziert. Je nach Untersuchung kann es sich
MehrN 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -
2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.
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
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
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
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
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
MehrVorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe
Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit
MehrDr. 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
MehrBeispiel 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
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,
MehrDeskriptive 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...................................
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
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
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Häufigkeiten und ihre Verteilung, oder: Zusammenfassende Darstellungen einzelner Variablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen
MehrMATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK
MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK PROF. DR. CHRISTINA BIRKENHAKE Inhaltsverzeichnis 1. Merkmale 2 2. Urliste und Häufigkeitstabellen 9. Graphische Darstellung von Daten 10 4. Lageparameter 1
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
Mehr5 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
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrFelix Klug SS 2011. 2. Tutorium Deskriptive Statistik
2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala
Mehr