Statistik für Ingenieure Vorlesung 7
|
|
- Maya Franke
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik für Ingenieure Vorlesung 7 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2017
2 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff Statistik wurde Ende des 17. Jahrhunderts geprägt für die verbale oder numerische Beschreibung eines bestimmten Staates oder den Inbegriff der Staatsmerkwürdigkeiten eines Landes oder Volkes (er hat dieselbe Wortwurzel wie Staat oder Staatsmann ). Heute hat dieser Begriff viele verschiedene Bedeutungen, z.b. für eine tabellarische oder grafische Darstellung von erhobenen Daten; einen Fachausdruck für eine Stichprobenfunktion; eine methodische Hilfswissenschaft zur quantitativen Untersuchung von Massenerscheinungen. Hier soll mit dem Begriff Statistik eine Zusammenfassung von Methoden verstanden werden, die zur zahlenmäßigen oder grafischen Analyse von Daten dienen soll, insbesondere im Zusammenhang mit Massenerscheinungen und zufallsbehafteten Vorgängen. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
3 Teilgebiete der Statistik Die beschreibende oder deskriptive Statistik behandelt zum Beispiel beschreibende Aussagen über statistische Daten, deren Veranschaulichung oder Möglichkeiten der Datenreduktion. Eng damit verwandt ist die explorative Datenanalyse, bei der zum Beispiel Daten auf Unstimmigkeiten hin untersucht werden oder Modellvorstellungen über die den Daten zugrundeliegenden Gesetzmäßigkeiten entwickelt werden. Die Methoden der schließenden oder beurteilenden Statistik dienen zum Beispiel zur Ableitung von statistisch gesicherten Aussagen über die den Daten zugrunde liegenden Sachverhalte, etwa die Schätzung von Kenngrößen oder die Durchführung von statistischen Tests. Insbesondere in der schließenden Statistik werden Methoden verwendet, deren (Weiter-)Entwicklung und Begründung durch die mathematische Statistik erfolgt. Insgesamt bestehen enge Beziehungen zwischen Statistik und Wahrscheinlichkeitstheorie. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
4 Untersuchungseinheiten, Grundgesamtheit und Stichprobe Daten werden an gewissen Objekten (den Untersuchungseinheiten oder statistischen Einheiten) beobachtet, z.b. die Wirksamkeit eines Medikaments an Patienten; Lebensdauern an elektronischen Geräten; Ankunftsraten an Bahnkunden. Eine Untersuchungseinheit ist ein Einzelobjekt einer statistischen Untersuchung. Eine Grundgesamtheit ist eine Menge von Untersuchungseinheiten, für die vom Untersuchungsziel her eine Frage geklärt werden soll. Sie muss durch übereinstimmende Identifikationskriterien der betrachteten Untersuchungseinheiten zeitlich, räumlich und sachlich eindeutig abgegrenzt werden. Eine Stichprobe ist die Teilmenge der Grundgesamtheit, die bei einer statistischen Untersuchung (Teilerhebung) erfasst wird. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
5 Merkmale und Merkmalsausprägungen Eigentlich interessieren nicht die Untersuchungseinheiten selbst, sondern bestimmte Eigenschaften der Untersuchungseinheiten (sogenannte Merkmale). Z.B. interessiert nicht der Patient selbst, sondern ob oder wie das Medikament bei ihm wirkt; bei Umfragen interessiert nicht der Passant, sondern seine Meinung. Ein Merkmal ist eine Größe oder Eigenschaft einer Untersuchungseinheit, die auf Grund der interessierenden Fragestellung erhoben bzw. gemessen wird. Eine Merkmalsausprägung ist ein möglicher Wert, den ein Merkmal annehmen kann. Eine Untersuchungseinheit wird auch Merkmalsträger genannt. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
6 Beispiel Mietspiegel Nettomiete abhängig von Merkmalen wie Art: Altbau, Neubau,... ; Lage: Innenstadt, Stadtrand,... ; Größe: 40m 2, 95m 2,... ; Baujahr: }{{} 1932, 1965, 1983, 1995,.... }{{} Merkmale Ausprägungen In der Regel werden mehrere Merkmale an einem Merkmalsträger beobachtet; z.b. Merkmalsträger: Wetter zu einem bestimmten Zeitpunkt an einem bestimmten Ort; Merkmale: Temperatur, Niederschlagsmenge, Luftdruck, Bewölkung, Luftfeuchtigkeit, Sicht,.... Merkmalsausprägungen müssen keine Zahlen sein, z.b. Bewölkung: wolkenlos, heiter, leicht bewölkt, wolkig, bedeckt,... ; Autofarbe: rot, grün, schwarz,.... Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
7 Bezeichnungen und Klassifikationen von Merkmalen Bezeichnungen: Grundgesamtheit: Ω. Untersuchungseinheit: ω oder i. Merkmale: X, Y, Z oder auch X1, X 2, X 3,.... Menge der Merkmalsausprägungen: S. Merkmalsausprägungen oder -werte: x = X (ω) oder x i = X (i). Mathematisch betrachtet ist ein Merkmal eine Funktion X : Ω S, die jeder Untersuchungseinheit die zugehörige Merkmalsausprägung zuordnet. Klassifikationen von Merkmalen: zum Beispiel qualitative Merkmale, Rangmerkmale und quantitative Merkmale; diskrete, stetige und spezielle Merkmale. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
8 Merkmalstypen Qualitatives Merkmal: es gibt weder eine natürliche Ordnung der Ausprägungen, noch ist es sinnvoll, Abstände oder Verhältnisse der Ausprägungen zu betrachten; Ausprägungen werden meist verbal beschrieben. Rangmerkmal: es gibt eine natürliche Ordnung der Ausprägungen, aber es ist nicht sinnvoll, Abstände oder Verhältnisse zu betrachten; Ausprägungen werden verbal oder durch ganze Zahlen beschrieben. Quantitatives Merkmal: Ausprägungen sind Zahlen, es gibt eine natürliche Ordnung, Abstände oder Verhältnisse sind interpretierbar. Diskretes Merkmal: Ausprägungen sind isolierte Zustände, die Menge der möglichen Ausprägungen ist höchstens abzählbar. Stetiges Merkmal: Ausprägungen (Werte) sind Zahlen, sie liegen dicht, zwischen je zwei Ausprägungen ist stets eine weitere möglich. Beachte: Jede praktische Messung bei stetigen Merkmalen ist durch die jeweilige Grenze der Messgenauigkeit bedingt diskret. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
9 Merkmalstypen (Beispiele) Merkmal Ausprägungen Art Geschlecht m / w keine Ordnung qualitativ Automarke Fiat, Toyota,... keine Ordnung qualitativ Prüfungsnote 1, 2, 3, 4, 5 Ordnung, Rangmerkmal Abst. nicht interpr. Beliebtheit von sehr, mäßig, nicht Ordnung, Rangmerkmal Politikern Abst. nicht interpr. Anzahl Kinder 0, 1, 2, 3,... Ordnung, quantitativ, in einer Familie Abst. interpr., diskret keine Auspr. zw. 2 anderen mögl. Regenmenge 20mm, 50mm,... Ordnung, quantitativ, an einem Tag Abst. interpr., stetig Verhältn. interpr., zwischen 2 Auspr. immer weitere mögl. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
10 Skalenniveaus Je nach Art des Merkmals werden die Merkmalsausprägungen anhand verschiedener Skalen gemessen: Nominalskala (lat. nomen = Name); Ordinalskala (lat. ordinare = ordnen, auch Rangskala); Intervallskala; Verhältnisskala (auch Ratioskala, Rationalskala, Proportionalskala); Absolutskala. Intervall-, Verhältnis- und Absolutskala werden auch in dem Oberbegriff metrische Skala (oder Kardinalskala; griech. metron = Maß) zusammengefasst. Auch feinere oder andere Unterteilungen und spezielle Skalen werden genutzt. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
11 Nominalskala Die Merkmalsausprägungen entsprechen begrifflichen Kategorien. Es gibt keine natürliche Ordnungsrelation. Sind nur zwei Ausprägungen vorhanden, spricht man auch von dichotomen Merkmalen, z.b. Geschlecht ( männlich, weiblich ); Zustimmung ( Ja, Nein ). Gibt es eine vor der Datenerhebung feststehende Einteilung der Grundgesamtheit in endlich viele disjunkte Klassen und wird jede Untersuchungseinheit eindeutig in eine der Klassen eingeordnet, spricht man auch von einer kategoriellen Skala. Die Ausprägungen heißen dann auch Kategorien oder Stufen des Merkmals. Beispiele sind Familienstand ( ledig, verheiratet, geschieden, verwitwet ); Status ( Eigentümer, Hauptmieter, Untermieter ); Status ( Azubi, Geselle, Meister ); Behandlung ( Placebo, altes Medikament, neues Medikament ). Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
12 Ordinalskala Zwischen den Merkmalsausprägungen besteht eine natürliche Reihenfolge (Ordnungsrelation, Anordnung). Abstände zwischen zwei Ausprägungen (oder Quotienten) haben keine inhaltliche Bedeutung. Beispiele sind Höchster Schulabschluss ( Keiner, Hauptschule, Mittlere Reife, Hochschulreife ); Status ( Eigentümer, Hauptmieter, Untermieter ); Status ( Azubi, Geselle, Meister ); Bewertung ( gut, mittel, schlecht ). Eine Ordinalskala mit ganzzahligen Ordungsziffern (Rängen, Rangziffern), die mit 1 beginnend in ununterbrochener Reihenfolge hintereinander stehen, heißt auch Rangskala, z.b. Rangplätze in der Bundesliga. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
13 Intervallskala Merkmalsausprägungen (Merkmalswerte) sind reelle Zahlen. Neben der Ordnungsrelation zwischen den Merkmalsausprägungen lassen sich auch deren Abstände interpretieren. Es existiert allerdings ein willkürlich gesetzter Nullpunkt. Beispiel: Temperatur in C. Quotienten dürfen nicht gebildet werden, so ist z.b. die Aussage 20 C ist doppelt so warm wie 10 C sinnlos. Eine Intervallskala wird auch reelle Skala genannt. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
14 Verhältnisskala Bei einer Verhältnisskala (auch ratio, positiv reell, relativen Skala) können nur positive Zahlen beobachtet werden. Zusätzlich zu den Eigenschaften der Intervallskala gibt es einen natürlichen Nullpunkt. Multiplikation und Division sind inhaltlich sinnvolle Operationen, der Quotient von zwei Werten ist inhaltlich sinnvoll (4 ist doppelt so groß wie 2). Beispiele: Gewichte, Längen. Bei stetigen Merkmalen in der relativen Skala kann man überlegen (und eventuell versuchen), durch Logarithmieren der Daten zu einer reellen Skala zu gelangen. Oft kann man dann zugrundeliegende Gesetzmäßigkeiten viel besser erkennen. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
15 Absolutskala Zusätzlich zu den Forderungen der Verhältnisskala ist neben dem natürlichen Nullpunkt hier auch eine natürliche Einheit zwingend vorgeschrieben. Dies ist zum Beispiel bei Merkmalen der Fall, wenn die Merkmalsausprägungen Anzahlen sind. Beispiel Anzahl von Kindern in einem Haushalt. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
16 Bemerkung Auch andere bzw. weitere Einteilungen und spezielle Skalen werden genutzt, z.b. die Anteilskala. Bei einer Variable in der Anteilskala (auch Wahrscheinlichkeitsskala) können nur Werte zwischen 0 und 1 beobachtet werden. Die Werte sind als Anteile interpretierbar. Durch die natürliche Beschränkung auf das Intervall [0, 1] können die Werte nicht beliebig addiert werden und der Rest bis zur 1 spielt immer eine Rolle. Sind nur kleine Anteile von Interesse, kann oft mit einer Ratio-Skala gearbeitet werden, sind auch größere Anteile wichtig, sollte man mit der Anteilskala rechnen. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
17 Das Problem der Repräsentativität Die Repräsentativität spielt für statistische Auswertungen und Aussagen eine sehr große Rolle. Dabei können unter anderem zwei Probleme bei Teilerhebungen von Bedeutung sein. Das Auswahlverfahren der Individuen aus der Grundgesamtheit (das Ziehen der Stichprobe). Dieses sollte so organisiert sein, dass jedes Individuum die gleiche Chance hat, ausgewählt zu werden und dass die Individuen unabhängig voneinander ausgewählt werden. Zu beachten ist, dass zu jedem Individuum auch mehrere Merkmale beobachtet werden können. Die Erhebung einer Stichprobe aus Zufallsexperimenten. Dabei sollte gewährleistet sein, dass die Versuche unter gleichbleibenden Versuchsbedingungen durchgeführt werden und dass die Zufallsexperimente unabhängig voneinander durchgeführt werden. Auch in diesem Fall können mehrere Merkmale von Interesse sein. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
18 Verbundene Stichproben Liegen zwei oder mehr Stichproben vor, deren Werte einander paarweise zugeordnet sind, spricht man von einer gepaarten Stichprobe bzw. von verbundenen Stichproben. Diese entstehen zum Beispiel dann, wenn man zwei oder mehr Merkmale an ein- und demselben statistischen Objekt beobachtet. Beispiele: Messwerte für die Wirkungen jeweils zweier Medikamente für ein- und dieselben Patienten; Anzahl von Bestellungen einer Kundengruppe vor (1. Stichprobe) und nach (2. Stichprobe) einer Werbeaktion. Verbundene (mathematische) Stichproben werden durch unabhängige Zufallsvektoren (X 1, Y 1 ),..., (X n, Y n ) modelliert. Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
19 Erste Analyseschritte für einen neuen Datensatz Eine Datenauswertung beginnt mit folgenden Analyseschritten: Wie liegen die Daten vor? Datenmatrix, Datentafel, unvorbereitet,.... Welche Variablen gibt es und was bedeuten sie? Dazugehörige Beschreibung beachten. Welche Skala haben die einzelnen Variablen? diskret: nominal, kategoriell, ordinal, Intervall, Anzahl; stetig: reell, ratio, Anteil, (Anzahlverstetigung, z.b. Preise); speziell: irgendwie anders. Ein-, Zwei-, oder Mehrstichprobensituation, verbundene (gepaarte) oder gepoolte Größen in der Stichprobe? Eine Grundgesamtheit, zwei oder mehrere bzw. ein Zufallsexperiment, zwei oder mehrere? Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
20 Fortsetzung: erste Analyseschritte Was sind die Grundgesamtheiten? Welche wünschen wir uns? Für welche sind die Daten wohl repräsentativ? Sind die Daten für die Grundgesamtheit repräsentativ? Wie sind die Daten zustandegekommen, gab es eine unabhängige und gleichwahrscheinliche Auswahl der statistischen Individuen und/oder unabhängige Zufallsexperimente unter gleichbleibenden Bedingungen, so dass die Variablen als unabhängig und identisch verteilt angesehen werden können? Prof. Dr. Hans-Jörg Starkloff Statistik für Ingenieure Vorlesung 7 Geändert: 7. Dezember
Statistik für Ingenieure Vorlesung 8
Statistik für Ingenieure Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2016 Bezeichnungen und Klassifikationen von Merkmalen Bezeichnungen: Grundgesamtheit:
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
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
MehrStochastik und Statistik für Ingenieure Vorlesung 8
PD. Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 8 6. Dezember 2013 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
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
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
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
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
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
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
MehrAllgemeine Grundlagen Seite Termin: Eindimensionale Häufigkeitsverteilung
Statistik für alle Gliederung insgesamt Allgemeine Grundlagen Seite 1 1. Termin: Allgemeine Grundlagen 2. Termin: Eindimensionale Häufigkeitsverteilung 3. Termin: Lageparameter 4. Termin: Streuungsparameter
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
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
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
Mehr1 Einführung und Grundbegriffe
1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
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
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
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.
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
Mehr2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)
2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Aufgabe 1: Ein Versuch mit einem Schlafmittel In einem klinischen Versuch sollte die Wirksamkeit eines Schlafmittels getestet werden. Dazu wurden
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrKapitel 1: Gegenstand und Grundbegriffe der Statistik
Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik... 1 2. Einheiten, Masse, Merkmal... 3 3. Messen, Skalen... 9 a) Messung... 9 b) Skalenarten... 11 1. Gegenstand der Statistik
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
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
MehrSkalenniveau Grundlegende Konzepte
Skalenniveau Grundlegende Konzepte M E R K M A L / V A R I A B L E, M E R K M A L S A U S P R Ä G U N G / W E R T, C O D I E R U N G, D A T E N - M A T R I X, Q U A N T I T A T I V E S M E R K M A L, Q
MehrDATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN
DATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN Was ist Messen? Messen - im weitesten Sinne - ist die Zuordnung von Zahlen zu Objekten und Ereignissen entsprechend einer Regel (Def. nach Stevensen
MehrData Mining (ehem. Entscheidungsunterstützungssysteme)
Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 16.04.2013 Gegenstand der Vorlesung und Grundbegriffe der
MehrVorlesung. Mathematische Statistik für Studierende. der Hydrologie und Abfallwissenschaften
Vorlesung Dr. Wiltrud Kuhlisch Frühjahr 2015 TU Dresden, Institut für Mathematische Stochastik 1 Einführung 1.1 Literatur Mathematische Statistik für Studierende der Hydrologie und Abfallwissenschaften
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrJOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2
MehrEinführung. 2. Sie entstehen erst durch Beobachtung, Erhebung, Befragung, Experiment
Einführung In vielen Gebieten des öffentlichen Lebens, in der Wirtschaft, der Verwaltung, der Industrie, der Forschung, in der Medizin etc. werden Entscheidungen auf der Grundlage von bestimmten Daten
MehrEinführung in die Statistik Einführung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik I Deskriptive und Explorative Datenanalyse 2010 Übungsaufgaben und Lösungen Erkenntn nisgewinnung und Datenerhebung in der Psychologie [Übungsaufgaben
MehrAuswahlverfahren. Zufallsauswahl Bewusste Auswahl Willkürliche Auswahl. Dipl.-Päd. Ivonne Bemerburg
Auswahlverfahren Zufallsauswahl Bewusste Auswahl Willkürliche Auswahl Blockseminar: Methoden quantitativer Grundgesamtheit und Stichprobe Die Festlegung einer Menge von Objekten, für die die Aussagen der
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrVorlesung 1: Grundbegriffe, einführende Begriffe, Merkmale in der Statistik Gliederung und Aufgaben einer Vorlesung Statistik
1 Vorlesung 1: Grundbegriffe, einführende Begriffe, Merkmale in der Statistik Gliederung und Aufgaben einer Vorlesung Statistik Letzter Stand: 12. Juni 2000, 5 Seiten Literaturbezug Dieses Kapitel (einschließlich
MehrGrundlagen der Datenanalyse
Schematischer Überblick zur Behandlung quantitativer Daten Theorie und Modellbildung Untersuchungsdesign Codierung / Datenübertragung (Erstellung einer Datenmatrix) Datenerhebung Fehlerkontrolle / -behebung
MehrVorlesung Stichproben WS 2009/2010
Institut für Statistik Statistisches Beratungslabor Prof. Dr. Helmut Küchenhoff WS 2009/2010 http://www.stat.uni-muenchen.de/~helmut/stichproben_0910.html Übung: Monia Mahling donnerstags 08:00 bis 10:00
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:
MehrProbleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit
Hans-Dieter Sill, Universität Rostock Probleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit 1. Der Begriff der bedingte Wahrscheinlichkeit in Planungsdokumenten 2. Eine Prozessbetrachtung
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
MehrQUANTITATIVE VS QUALITATIVE STUDIEN
1 QUANTITATIVE VS QUALITATIVE STUDIEN Q UA N T I TAT I V E ST U D I E (lat. quantitas: Größe, Menge) Q UA L I TAT I V E ST U D I E (lat.: qualitas = Beschaffenheit, Merkmal, Eigenschaft, Zustand) 2 QUANTITATIVES
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
MehrGründe für die Behandlung von stochastischen Problemen (nach KÜTTING)
Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
MehrÜberblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten?
1 Überblick æ Beschreibende Statistik: Auswertung von Experimenten und Stichproben æ Wahrscheinlichkeitsrechnung: Schlüsse aus gegebenen Wahrscheinlichkeiten, Hilfsmittel: Kombinatorik æ Beurteilende Statistik:
Mehr3.2 Stichprobenauswahl (Sampling)
3.2 Stichprobenauswahl (Sampling) Stichprobe = als Stichprobe bezeichnet man eine Teilmenge einer Grundgesamtheit, die unter bestimmten Gesichtspunkten ausgewählt wurde. Der Stichprobenentnahme vorgelagert
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrWahrscheinlichkeitsrechnung und Statistik
3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne
MehrBiometrie im neuen Antragsverfahren
8. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte und Behördenvertreter Warum biometrische Planung? Einfachste Antwort: Weil es im Genehmigungsantrag so vorgesehen ist. 2 Warum biometrische
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrDeskriptive Statistik
Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen
MehrStatistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
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
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrKapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen
Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population
MehrStochastik und Statistik für Ingenieure Vorlesung 4
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
MehrEmpirische Sozialforschung
Helmut Kromrey Empirische Sozialforschung Modelle und Methoden der standardisierten Datenerhebung und Datenauswertung 11., überarbeitete Auflage Lucius & Lucius Stuttgart Inhalt Vorbemerkung: Wozu Methoden
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrFrequent Itemset Mining + Association Rule Mining
Frequent Itemset Mining + Association Rule Mining Studiengang Angewandte Mathematik WS 2015/16 Frequent Itemset Mining (FIM) 21.10.2015 2 Einleitung Das Frequent-Itemset-Mining kann als Anfang des modernen,
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrGLIEDERUNG Das Messen eine Umschreibung Skalenniveaus von Variablen Drei Gütekriterien von Messungen Konstruierte Skalen in den Sozialwissenschaften
TEIL 3: MESSEN UND SKALIEREN GLIEDERUNG Das Messen eine Umschreibung Skalenniveaus von Variablen Drei Gütekriterien von Messungen Objektivität Reliabilität Validität Konstruierte Skalen in den Sozialwissenschaften
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrGrundlagen der Mengenlehre
mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
Mehr