2 Datenbeschreibung. 2.1 Datendarstellung
|
|
- Ludo Beck
- vor 6 Jahren
- Abrufe
Transkript
1 2 Datenbeschreibung Ihr Sparbuch ist gefüllt! Da Sie etwas Geld übrig haben, möchten Sie es anlegen. Sie gehen deshalb zu Ihrer Bank und lassen sich beraten. Was halten Sie von Fonds? Auf diese Frage Ihres Bankberaters wissen Sie keine Antwort. Er stellt Ihnen vier Fonds vor: den Super Fonds Invest, den Super Fonds Invest Classic, den Sicher Fonds Premium und den Fonds Deutschland. Sie stellen fest, dass diese verschiedene Eigenschaften besitzen. Bevor Sie sich zum Kauf entscheiden, bitten Sie Ihren Bankberater um ein wenig Zeit, damit Sie sich über die Fonds informieren können. Um einen Überblick zu bekommen, tragen Sie einige Merkmale der Fonds in eine Tabelle ein (Tabelle 2.1): das Fondsvermögen, den Fondstypen sowie verschiedene Analysteneinschätzungen (Buy, Hold und Sell). Tabelle 2.1 Übersicht über vier vorgeschlagene Fonds Fondsname Fondsvermögen Fondstyp Analysteneinschätzung Super Fonds Invest Mio. EUR Dachfonds B; H; B; B; H Super Fonds Invest Classic Mio. EUR Dachfonds B; B; H; S; H Sicher Fonds Premium Mio. EUR Rentenfonds B; B; H; S; S Fonds Deutschland Mio. EUR Aktienfonds S; S; H; H; H In welchen der Fonds sollten Sie investieren 1? Um diese Frage zu beantworten, werden wir im Folgenden zunächst in Abschnitt 2.1 verschiedene Möglichkeiten der Datendarstellung kennenlernen. Anschließend stellen wir in den Abschnitten 2.2, 2.3 und 2.4 verschiedene Lage- und Streuungsmaße vor, und wir beschäftigen uns mit der Schiefe, Wölbung und Multimodalität. Nachdem wir uns in diesen Abschnitten mit der Geldanlage in Fonds befasst haben, werden wir uns in Abschnitt 2.5 mit der Verteilung von Geld auseinandersetzen und die Konzentration in Daten analysieren. Schließlich werden wir in Abschnitt 2.6 verschiedene Indexzahlen, wie Preisindices, besprechen. Zum Schluss wird in Abschnitt 2.7 ein Steckbrief der wesentlichen Formeln und Methoden angegeben, Abschnitt 2.8 enthält Fallstudien und Übungsaufgaben und in Abschnitt 2.9 werden Literatur- und Softwarehinweise aufgeführt. 2.1 Datendarstellung Um die Frage nach der Auswahl eines Fonds zu beantworten, möchten Sie sich als erstes einen Überblick über die Daten verschaffen. Warum nicht mit einer Abbildung? Die Idee eines Schaubildes gefällt Ihnen. Sie beschließen mit dem nominal skalierten Merkmal Fondstyp zu beginnen. Dazu schauen Sie sich die Daten in der Tabelle 2.1 genauer an. 1 In diesem Buch werden statistische Methoden vorgestellt, die für einen Fondskauf nützlich sein könnten. Aus didaktischen Gründen konzentrieren wir uns nur auf die statistischen Methoden. Bei einer Kaufentscheidung sollten aber noch andere Eigenschaften beachtet werden, wie etwa die Fondsstrategie und die (teilweise sehr hohen) Gebühren. Die in diesem Buch vorgestellten Fonds sind frei erfunden. K. Lübke, M. Vogt, Angewandte Wirtschaftsstatistik, FOM-Edition, DOI / _2, Springer Fachmedien Wiesbaden
2 18 Datenbeschreibung Diese liegen in Form einer Urliste vor. In einer Urliste sind die Daten noch nicht bearbeitet oder aufbereitet worden. Als Erstes möchten Sie darstellen, wie häufig jeder Fondstyp vorkommt. In einer Urliste sind die Häufigkeiten nur schwer zu erkennen, insbesondere wenn diese sehr viele Einträge besitzt. Einfacher wäre es, eine Tabelle anzugeben, welche die Häufigkeiten direkt enthält. Das ist genau die Idee einer Häufigkeitstabelle. Sie erstellen diese für den Fondstypen (siehe Tabelle 2.2). Dabei gibt die absolute Häufigkeit in der mittleren Spalte die Anzahl der je Ausprägung vorkommenden Beobachtungen an. Da die Ausprägung Dachfonds zweimal auftritt (Super Fonds Invest und Super Fonds Invest Classic) ist die absolute Häufigkeit 2: Die relative Häufigkeit in der rechten Spalte gibt die absolute Häufigkeit geteilt durch die Gesamtanzahl der Beobachtungen an. Da zwei der insgesamt vier Fonds Dachfonds sind, ist die relative Häufigkeit 0,5 also 50%. Tabelle 2.2 Häufigkeitstabelle des Merkmals Fondstyp Fondstyp Absolute Häufigkeit Relative Häufigkeit Dachfonds 2 0,5 Rentenfonds 1 0,25 Aktienfonds 1 0, Kreisdiagramm Wie können Sie nun die relativen oder absoluten Häufigkeiten mittels einer Abbildung verdeutlichen? Beim sonntäglichen Kuchenessen kommt Ihnen in den Sinn, die Daten wie die Stücke einer Torte zu zeichnen. Das ist genau die Idee eines Kreis- oder Tortendiagramms. Aber wie sollten die Stücke aufgeteilt werden? Sie erinnern sich, dass der komplette Winkel in einem Kreis 360 beträgt. Können Sie diesen Winkel dann nicht nach der relativen Häufigkeit aufteilen? Damit ergibt sich für den Winkel der i-ten Ausprägung: Winkel i = 360 relative Häufigkeit i. Für die Fondstypen aus Tabelle 2.1 sind die relativen Häufigkeiten 50% Dachfonds und je 25% Aktien- und Rentenfonds. Für Dachfonds ergibt sich somit ein Winkel von: Winkel Dachfonds = = 360 0,5 = 180 und für Aktien- und Rentenfonds von je 90. Stolz zeichnen Sie Ihr erstes Kreisdiagramm (siehe Abbildung 2.1). Der Radius des Kreises ist dabei beliebig, da sich bei einer Veränderung des Radius die Winkel nicht ändern. Kreisdiagramme sind besonders für nominal und ordinal skalierte Merkmale geeignet. Für (stetige) metrische Merkmale mit zahlreichen Ausprägungen kann das Kreisdiagramm allerdings unübersichtlich bzw. nicht aussagekräftig sein, da dann die Winkel unter Umständen sehr klein werden können.
3 Datendarstellung 19 Abbildung 2.1 Kreisdiagramm des Merkmals Fondstyp Aktienfonds 25% Rentenfonds 25% Dachfonds 50% Säulendiagramm Motiviert durch Ihre Erfahrungen überlegen Sie sich mögliche weitere Darstellungsarten. Wäre es nicht möglich, die Häufigkeiten statt in einem Kreis als Säulen abzubilden? Das ist das Grundprinzip eines Säulendiagramms. In einem Säulendiagramm wird die Höhe der Säulen durch die absolute oder relative Häufigkeit angegeben (siehe Abbildung 2.2). Damit ist dieses Diagramm höhenproportional. Abbildung 2.2 Säulendiagramm des Merkmals Fondstyp Dachfonds Rentenfonds Aktienfonds Absolute Häufigkeit Es gibt verschiedene Möglichkeiten, Häufigkeiten als Säulen darzustellen. Sind diese sehr schmal wird das Diagramm auch als Stabdiagramm bezeichnet. Falls die Säulen wie in Abbildung 2.3 horizontal angeordnet sind, wird es als Balkendiagramm bezeichnet.
4 20 Datenbeschreibung Abbildung 2.3 Balkendiagramm des Merkmals Fondstyp Aktienfonds Rentenfonds Dachfonds Absolute Häufigkeit Polygonzug Die bisherigen Diagramme sind vor allem für diskrete, insbesondere nominal und ordinal skalierte Merkmale mit wenigen verschiedenen Ausprägungen geeignet. Wie können Merkmale mit potenziell vielen verschiedenen Ausprägungen, wie metrischen Merkmalen, dargestellt werden? Das möchten Sie herausfinden. Da die Tabelle 2.1 nur wenige Ausprägungen enthält, beschließen Sie einen etwas größeren Datensatz aus der Finanzwelt zu untersuchen, und zwar die Werte des DAX 2, sowie die prozentualen monatlichen Veränderungen, die Renditen (siehe Tabelle 2.3). Bei dem DAX interessiert Sie vor allem die zeitliche Entwicklung des Index sowie die Entwicklung der monatlichen Renditen. Um diese Entwicklungen zu analysieren, haben Sie den DAX sowie die Renditen in Abbildung 2.4 als Polygonzug dargestellt. Bei einem Polygonzug werden die Beobachtungen linear miteinander verbunden. Damit lassen sich diese Entwicklungen sehr übersichtlich darstellen. 2 DAX = Deutscher Aktienindex
5 Datendarstellung 21 Tabelle 2.3 Deutscher Aktienindex und monatliche Renditen; Datenquelle: Deutsche Bundesbank (2013) Datum DAX Rendite Datum DAX Rendite Datum DAX Rendite Sep ,9 4,19% Jul ,14 5,28% Mai ,33 2,79% Okt ,25 1,73% Aug ,17 0,71% Jun ,52 0,02% Nov ,0 4,19% Sep ,51 2,92% Jul ,97 3,06% Dez ,08 3,15% Okt ,22 2,01% Aug ,22 3,62% Jan ,85 0,03% Nov ,52 1,85% Sep ,02 5,13% Feb ,49 2,25% Dez ,32 2,50% Okt ,37 5,98% Mrz ,77 0,04% Jan ,75 15,07% Nov ,32% Apr ,84 3,77% Feb ,13 1,51% Dez ,19 3,37% Mai ,63 6,59% Mrz ,97 3,16% Jan ,48 2,36% Jun ,28 2,82% Apr ,82 6,33% Feb ,32 2,75% Jul ,5 6,55% Mai ,79 2,13% Mrz ,31 3,18% Aug ,69 1,16% Jun ,32 9,56% Apr ,46 6,72% Sep ,12 4,44% Jul ,56 0,95% Mai ,69 2,94% Okt ,07 2,28% Aug ,3 0,88% Jun ,24 1,13% Nov ,4 5,36% Sep ,02 9,21% Jul ,77 2,95% Dez ,26 4,14% Okt ,97 14,46% Aug ,85 19,19% Jan ,15 4,92% Nov ,44 6,39% Sep ,02 4,89% Feb ,04 2,15% Dez ,2 3,01% Okt ,34 11,62% Mrz ,08 3,00% Jan ,35 9,81% Nov ,84 0,85% Apr ,89 0,67% Feb ,74 11,40% Dez ,35 3,13% Mai ,86 5,28% Mrz ,76 6,27% Jan ,91 9,50% Jun ,31 0,17% Apr ,45 16,76% Feb ,08 6,15% Jul ,97 0,02% Mai ,82 3,59% Mrz ,83 1,32% Aug ,57 3,13% Jun ,64 2,68% Apr ,19 2,67% Sep ,33 2,47% Jul ,14 10,89% Mai ,38 7,35% Okt ,92 4,41% Aug ,61 2,48% Jun ,28 2,42% Nov ,19 0,64% Sep ,16 3,85% Jul ,26 5,55% Dez ,92 4,56% Okt ,96 4,58% Aug ,79 2,93% Jan ,11 2,91% Nov ,95 3,90% Sep ,15 3,52% Feb ,44 1,09% Dez ,43 5,89% Okt ,63 0,62% Mrz ,03 3,00% Jan ,79 5,85% Nov ,5 2,00% Apr ,7 7,11% Feb ,46 0,18% Dez ,39 2,79% Mai ,04 6,40% Mrz ,55 9,92% Jan ,05 2,15% Jun ,32 1,58% Apr ,7 0,29%
6 22 Datenbeschreibung Abbildung 2.4 Polygonzug des DAX sowie der monatlichen Renditen DAX Zeit 0,2 0,15 0,1 DAX-Renditen 0,05 0-0,05-0,1-0,15-0,2-0,25 Zeit Stamm-Blatt-Diagramm Der Polygonzug (siehe Abschnitt 2.1.3) zeigt sehr schön die Entwicklung des DAX bzw. der monatlichen Renditen. Damit können Sie sehen, wie stark dieser Index schwankt. Fasziniert überlegen Sie weiter: Gibt es auch eine Möglichkeit darzustellen, wie viele Renditen aus Tabelle 2.3 bei etwa 0% liegen und wie viele bei etwa 19%? Das ist eine gute Frage. Wie können Sie diese beantworten? Sinnvoll wäre es zunächst die Renditen aufsteigend, von klein nach groß, zu sortieren, um einen Überblick zu erhalten. Anschließend schauen Sie sich einzelne Renditen genauer an: 19,2%, 15,1%, 9,5% oder 9,9%. Renditen um 19% kommen also nur einmal vor, Renditen um 9% jedoch zweimal. Das bringt Sie auf eine Idee. Wäre es nicht möglich, zunächst nur die Renditen ohne Nachkommastellen untereinander zu schreiben, und diese anschließend gerundet auf eine Stelle nach dem Komma zu notieren? Das probieren Sie aus (siehe Abbildung 2.5). Damit haben Sie das Stamm-Blatt-Diagramm gezeichnet. Dieses Diagramm besteht aus zwei Teilen. Auf der linken Seite von den senkrechten Strichen steht jedes Mal die Zahl vor
7 Datendarstellung 23 Abbildung 2.5 Stamm-Blatt-Diagramm der DAX-Renditen dem Komma. Die Nachkommastellen stehen auf der rechten Seite. Dabei sind diese aufsteigend sortiert und hintereinandergeschrieben. Das bedeutet etwa, dass es zwei Renditen um die 9% gibt: Eine ist 9,5% und die andere 9,9%. Dadurch erhalten Sie einen Überblick in welchem Bereich sich die meisten Renditen befinden. Für dieses Diagramm gibt es verschiedene Darstellungsmöglichkeiten, so kann etwa der Stamm verschoben werden und zum Beispiel nach der ersten Kommastelle stehen, oder es könnte nur jede zweite Zahl links von dem Stamm stehen, um die Abbildung übersichtlicher zu gestalten Histogramm Das Stamm-Blatt-Diagramm aus Abschnitt hat den Nachteil, dass es recht unübersichtlich groß wird, falls die Daten weit streuen. Dann können Sie nicht jede Zahl vor dem Komma auf dem Stamm darstellen. Deshalb suchen Sie noch nach einer weiteren Darstellungsart. Wenn der Datensatz recht groß ist, mit vielen verschiedenen Ausprägungen, dann wäre es doch geschickt die Daten zusammenzufassen und zum Beispiel zu klassieren/gruppieren. Die Idee gefällt Ihnen, und Sie beschließen diese weiter zu entwickeln. Dazu ordnen Sie in Tabelle 2.4 die DAX-Renditen jeweils einem Intervall zu und geben zudem die relativen und absoluten Häufigkeiten an. Die Klassenbreite haben Sie dabei nicht überall gleich groß gewählt. Da an den Rändern weniger Beobachtungen vorliegen, reicht Ihnen dort eine gröbere Einteilung. Durch die
8 24 Datenbeschreibung unterschiedlichen Breiten ist es nun aber nicht angebracht, die Höhen als Häufigkeiten zu zeichnen, wie dies bei einem Säulendiagramm (siehe Abschnitt 2.1.2) getan wird. Neben der Höhe muss auch die Breite der Klassen berücksichtigt werden! Das ist genau die Idee eines Histogramms. Das Histogramm ist flächenproportional, was bedeutet, dass die Fläche und nicht die Höhe der relativen oder absoluten Häufigkeit entspricht. Dadurch werden die unterschiedlichen Breiten der Klassen berücksichtigt. Tabelle 2.4 Klassierte DAX-Renditen Klasse Anzahl n j Breite Höhe 4/101 [ 0,2; 0,1[ 4 0,1 0,1 = 0,396 8/101 [ 0,1; 0,05[ 8 0,05 0,05 = 1,584 [ 0,05; 0[ 25 0,05 4,95 [0; 0,05[ 46 0,05 9,110 [0,05; 0,1[ 15 0,05 2,970 [0,1; 0,2[ 3 0,1 0,297 Wie kann denn nun die Fläche konkret berechnet werden? Sie überlegen, dies anhand eines Beispiels der Klasse [ 0,2; 0,1[ mit vier Renditen. Als Erstes ermitteln Sie die Breite: 0,1 ( 0,2) =0,1. Ihr Ziel ist die Fläche (Höhe mal Breite) so zu wählen, dass diese der relativen Häufigkeit von 4/101 = 0,0396 entspricht. Dazu muss die Höhe genau dem prozentualen Anteil geteilt durch die Breite, also 4/101 0,1 = 0,396 entsprechen (siehe Abbildung 2.6). Durch diese Vorgehensweise beträgt die Summe der Flächen genau 100%. Die geringe Höhe der ersten Klasse in Abbildung 2.6 ergibt sich dadurch, dass der prozentuale Anteil halb so groß ist wie in der zweiten Klasse und zudem doppelt so breit ist. Stolz zeigen Sie das Ergebnis Ihrer Überlegungen einer Freundin. Diese ist fasziniert von der Idee, fragt sich aber, wieso Sie genau diese Klassengrenzen festgelegt haben. In der Tat haben Sie für Ihr erstes Histogramm die Klassen recht willkürlich gebildet. Abends grübeln Sie noch ein wenig darüber nach. Nach welchen Kriterien sollten Klassen generell gewählt werden? Dazu fallen Ihnen verschiedene Punkte ein, welche Sie noch vor dem Einschlafen notieren: Die Klassen dürfen sich nicht überlappen. Es muss entschieden werden, ob gleiche oder ungleiche Klassenbreiten gewählt werden. In vielen Anwendungen sind gleiche Klassenbreiten von Vorteil. Dies ist aber nicht immer sinnvoll oder möglich. Klassen sollten so gewählt werden, dass keine offenen Klassen vorkommen. Falls ein Datensatz offene Klassen enthält, müssen diese zur Zeichnung des Histogramms geschlossen werden, indem ein möglichst plausibler Randpunkt festgelegt wird. In Anwendungen kommen offene Klassen jedoch recht häufig vor, so wird etwa bei der Frage nach dem Einkommen häufig die Klasse mehr als x Tausend Euro Einkommen gewählt. Bezüglich der Anzahl der Klassen bzw. der Wahl der Klassenbreite gibt es keine eindeutige Regel (Krämer, 1992, S. 23). Manche Autoren geben jedoch Faustregeln an, etwa (Mosler und Schmid, 2009, S. 54) oder (Schlittgen, 2012, S. 19).
9 Datendarstellung 25 Abbildung 2.6 Histogramm der DAX-Renditen Häufigkeitsdichte Renditen Empirische Summenfunktion Am nächsten Tag sprechen Sie noch einmal mit Ihrer Freundin und erzählen ihr von Ihren Überlegungen bezüglich der Klasseneinteilung. Eine Frage hat sie noch: Mich interessiert auch der Anteil der Beobachtungen, welcher kleiner als ein bestimmter Wert ist. Etwa wie viel Prozent der Renditen sind kleiner als 0% oder kleiner als 0,1%? Gibt es dafür auch eine Darstellungsart? Auch das ist eine gute Frage. Um die Darstellung herzuleiten, haben Sie zur Übung in Tabelle 2.5 fünf Renditen des DAX ausgewählt. Sie möchten zeigen, wie viel Prozent der Werte kleiner oder gleich einem Wert x sind. Wie könnte das gehen? Da Sie fünf Renditen betrachten, beträgt der Anteil jeder einzelnen Rendite 20%. Nun sortieren Sie die Renditen von klein nach groß und bestimmen die kumulierten Anteile der Renditen, indem Sie die Anteile aller Werte kleiner oder gleich jeden Wertes addieren (siehe Tabelle 2.5). Diese Daten können Sie nun zeichnen (siehe rechte Seite der Abbildung 2.7). Der Punkt an der linken Seite jeder Linie gibt dabei an, dass der linke Randpunkt mit zu der jeweiligen Linie zählt (also kleiner gleich und nicht kleiner). Damit haben Sie die empirische Summen- oder Verteilungsfunktion F n hergeleitet. Allgemein ist diese definiert als: F n (x) := Anteil der Beobachtungswerte x, (2.1) wobei n die Stichprobengröße angibt. Aufgrund der Definition ist die empirische Verteilungsfunktion immer monoton wachsend.
10 26 Datenbeschreibung Tabelle 2.5 Ausgewählte Renditen des DAX Nummer Renditen Anteil Renditen Kum. Anteil Renditen 1 0,0002 0,2 0,2 2 0,017 0,2 0,4 3 0,028 0,2 0,6 4 0,032 0,2 0,8 5 0,042 0,2 1 Fasziniert zeichnen Sie noch die empirische Verteilungsfunktion für die kompletten 100 DAX-Renditen (siehe Tabelle 2.3) auf der rechten Seite der Abbildung 2.7 ein. In der Tat ist diese monoton wachsend und Sie können nun den Anteil der Renditen kleiner als 0% ablesen. Dieser beträgt circa 30%. Abbildung 2.7 Summenfunktion der DAX-Renditen Empirische Summenfunktion: 5 DAX Renditen Empirische Summenfunktion: 100 DAX Renditen Fn(x) Fn(x) x x Weitere Diagrammtypen Sie haben nun schon ein paar nützliche und oft verwendete Diagrammtypen kennengelernt, und beschließen diese mit dem erlaubten Skalenniveau in der Tabelle 2.6 zusammenzufassen.
11
0 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
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
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
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
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
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
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
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
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS
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
MehrVoraussetzung für statistische Auswertung: jeder Fall besitzt in bezug auf jedes Merkmal genau eine Ausprägung
Rohdaten Urliste oder Rohdaten sind die auszuwertenden Daten in der Form, wie sie nach der Datenerhebung vorliegen. Dimensionen der Urliste sind die Fälle, Merkmale und ihre Ausprägungen. Voraussetzung
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
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
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
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
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
Mehry = y = 2'500 Darstellung in Grafik: P 2 (800 2'500) x (Stk) 1'000
. Kostenfunktion a) Vorgaben und Fragestellung Über die Herstellungskosten eines Produkts ist folgendes bekannt: Die variablen Material- und Lohnkosten betragen CHF. pro Stück. Die Fikosten belaufen sich
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
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
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
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
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
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
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
MehrLerneinheit Statistik
Lerneinheit Statistik In dieser Lerneinheit findest du zu verschiedenen statistischen Themen jeweils ein durchgerechnetes Musterbeispiel und anschließend ähnliche Beispiele zum eigenständigen Arbeiten.
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,
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
MehrZuordnungen. 2 x g: y = x + 2 h: y = x 1 4
Zuordnungen Bei Zuordnungen wird jedem vorgegebenen Wert aus einem Bereich ein Wert aus einem anderen Bereich zugeordnet. Zuordnungen können z.b. durch Wertetabellen, Diagramme oder Rechenvorschriften
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
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
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.........................................
MehrSkript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen
Skript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen Ziel: Charakterisierung der Verteilung einer Variablen. Je nach Variablentyp geschieht dies durch Häufigkeitsauszählung und Modus (Nominale
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
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
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
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
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
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
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
MehrAusgangssituation und Vorstellung der Strategie
Ausgangssituation und Vorstellung der Strategie In unsicheren Zeiten sind mehr denn je sichere Anlageformen gefragt, die attraktive Renditechancen nutzen. Die Fonds-Trading-Strategie setzt dieses Ziel
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
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
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:
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
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
MehrMathematik I. Kantonale Vergleichsarbeit 2013/ Klasse Primarschule. Prüfungsnummer: Datum der Durchführung: 14. Januar 2014
Volksschulamt Prüfungsnummer: (wird von der Lehrperson ausgefüllt) Kantonale Vergleichsarbeit 2013/2014 6. Klasse Primarschule Mathematik I Datum der Durchführung: 14. Januar 2014 Hinweise für Schülerinnen
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:
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
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
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
MehrMath-Champ M7 Klasse: Datum: Name:
Math-Champ M7 Klasse: Datum: Name: 1) Die Abbildung zeigt den unvollständigen Schrägriss eines Würfels. Vervollständige die Figur richtig. Verwende dein Geo-Dreieck. 2) In der Grafik ist der Grundriss
MehrÜbersicht Diagramme
Informationsbestände analysieren Diagramme 7. Diagramme17 7.1. Zweck Die menschliche Wahrnehmung ist von Natur aus analog-graphisch orientiert. Der Mensch kann Längen, Höhen, Breiten, Tiefen, Volumen-
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
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
MehrUm die Güte die EZMW Prognosen abzuschätzen, wurden 2 Datensätze verwendet:
Kapitel 3 Niederschlagsdaten und Niederschlagsstatistik Um die Güte die EZMW Prognosen abzuschätzen, wurden 2 Datensätze verwendet: Beobachtungsdaten von der Niederschlagsstationen im ganzen Iran EZMW-Niederschlagsprognosen
MehrFinanzierung und Investition
Kruschwitz/Husmann (2012) Finanzierung und Investition 1/31 Kruschwitz/Husmann (2012) Finanzierung und Investition 2/31 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München
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
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
MehrTechnische Universität München SS 2006 Zentrum Mathematik Blatt 2 Prof. Dr. J. Hartl
Technische Universität München SS 2006 Zentrum Mathematik Blatt 2 Prof. Dr. J. Hartl Höhere Mathematik 2 (Weihenstephan) 1. Die Gemeinde Fronhausen besteht aus drei Ortsteilen: Neudorf, Wulling und Marking.
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
MehrBeschreibung 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
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
MehrLösungen zur Klausur zur Statistik Übung am
Lösungen zur Klausur zur Statistik Übung am 28.06.2013 Fabian Kleine Staatswissenschaftliche Fakultät Aufgabe 1 Gegeben sei die folgende geordneten Urliste des Merkmals Y. 30 Punkte Y : 5 5 5 5 10 10 10
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
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
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
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
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
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
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
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:.............................................................................
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
Mehra 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52
2 Häufigkeitsverteilungen 2.0 Grundbegriffe Ziel: Darstellung bzw. Beschreibung (Exploration) einer Variablen. Ausgangssituation: An n Einheiten ω 1,..., ω n sei das Merkmal X beobachtet worden. x 1 =
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
Mehrq = 400 b) Vorgaben und Fragestellung
b) Vorgaben und Fragestellung Wenn tück eines Produkts hergestellt werden, betragen die Gesamtkosten CHF 7.--, bei 6 tück betragen sie CHF '.--. Wie lautet die Kostenfunktion? tellen ie diese bis tück
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
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
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
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial
MehrStromverbrauch Wärmepumpe Mehr Infos unter: Luftwaermepumpe.eu
Wärmepumpe 28 Jahresüberblick 28 25 2 15 1 5 163 137 129 7,3 5,4 5,9 1,6 94 21,2 2,2 2,2 17,9 14,7 48 31 24 24 16 11,8 27 138 83 91 7,1 2,1 Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez Ø 3, 25, 2, 15,
MehrThomas Träger. Grafiken und Kurven. - Leseprobe -
Thomas Träger Grafiken und Kurven Übersicht über die Arbeitshilfen grafiken_kurven.ppt Das Klammersymbol Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet
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
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrStatistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten
Statistik 1 für SoziologInnen Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten Univ.Prof. Dr. Marcus Hudec Absolute Häufigkeiten diskreter Merkmale X sei ein diskretes
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr3. Zwischen Körpergröße und Gewicht scheint ein Zusammenhang zu bestehen. In der folgenden Liste sind die Daten von 10 Personen aufgeführt:
Klausur (Finanzmathematik & Statistik) zum Sommersemester 2012 Name: Matrikel-Nr: EMail: (optionale Schnell-Korrektur) Aufgabe 1 2 3 4 Punkte 15 20 20 15 Als Hilfsmittel sind die von dem Lehrbeauftragten
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
MehrAuftragseingang im Bauhauptgewerbe (Betriebe mit 20 und mehr Beschäftigten) August 2016 (Veränderung in % zum Vorjahr)
Meckl.-Vorpommern Brandenburg Niedersachsen Nordrhein-Westfalen Saarland Bayern Schleswig-Holstein Alte Bundesländer Neue Bundesländer Baden-Württemberg Sachsen Hessen Rheinland-Pfalz Berlin Sachsen-Anhalt
MehrWärmepumpe Stromverbrauch Wärmepumpe. Jahresüberblick Kosten pro Monat [ ] Monatsdurchschnittstemperatur [ C]
Wärmepumpe 27 Jahresüberblick 27 25 3, 2 15 157 138 133 149 191 25, 2, 15, 1 92 9 1, 5 58 39 31 34 3 24 5,, Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez Ø -5, Kosten pro Monat [ ] Monatsdurchschnittstemperatur
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
MehrSMALL & CR4 40 (N = 63) F E/F F E/F F E/ F 25% %
1 Beispiel 4 (Die Lorenzkurve in der Betriebswirtschaft) Example 4.1 (The distribution of firms in Germany) Source: Vivek Ghosal, Prakash Loungani, The differential impact of incertainty on investment
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
MehrW-Rechnung und Statistik für Ingenieure Übung 2
W-Rechnung und Statistik für Ingenieure Übung 2 Einladen von Datensätzen in R Es gibt verschiedene Möglichkeiten verschiedene Arten von Daten in R zu laden read.table read.csv, read.csv2 scan read.xls
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
MehrKapitel 7. Crossvalidation
Kapitel 7 Crossvalidation Wie im Kapitel 5 erwähnt wurde, ist die Crossvalidation die beste Technik, womit man die Genauigkeit der verschiedenen Interpolationsmethoden überprüft. In diesem Kapitel wurde
MehrStromverbrauch Wärmepumpe Mehr Infos unter: Luftwaermepumpe.eu
Wärmepumpe 29 Jahresüberblick 29 3 25 2 15 1 5 245 21 153 6,1-1,7 2, 21,2 2,2 17,7 16,1 17,1 13,4 54 46 32 31 19 19 1,9 242 142 18 98 8,8 2,5 Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez Ø 3, 25, 2,
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
Mehr