Statistische Graphiken
|
|
- Susanne Gerhardt
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik 1 für SoziologInnen Statistische Graphiken Univ.Prof. Dr. Marcus Hudec
2 Wie sehen Sie die Relation der Stimmen zwischen Van der Bellen und den Kandidaten von Rot/Schwarz? Wie sehen Sie die Relation zwischen Lugner und Van der Bellen? 2
3 3
4 Die Kleinen werden ganz groß Die Frontfläche des Würfels von Van der Bellen ist rund 7x so groß, wie jene der Kandidaten von Rot/Schwarz! Die Frontfläche des Würfels von Van der Bellen ist rund 50x so groß, wie jene von Richard Lugner? Das Prinzip der Flächentreue wurde verletzt! 4
5 Zur Bedeutung von Visualisierung The eye the window of the soul, is the principal means by which the central sense can most completely and abundantly appreciate the infinite works of nature. Leonardo da Vinci 5
6 Data Visualization Informationsvermittlung durch visuelle Darstellung 6 ordle.n et
7 Data Visualization Graphics should reveal the data show the data not get in the way of the message avoid distortion present many numbers in a small space make large data sets coherent encourage comparison between data supply both a broad overview and fine detail serve a clear purpose E. Tufte Visual Display of Quantitative Information 7
8 Vier zentrale Prinzipien Selbsterklärend (Qualitative Information) Numerische Transparenz (Quantitative Information) Graphische Integrität (Korrektheit der Information) Optische Attraktivität (Anziehungskraft) 8
9 Leitregeln für statistische Graphiken Eine statistische Graphik sollte möglichst selbsterklärend sein. Möglichst exakte Angabe der Datenquelle bzw. der Grundgesamtheit. Es sollte möglich sein, auf die zugrundeliegenden numerischen Daten rückschließen zu können. Gitterlinien, Wertangaben, klar verständliche Maßeinheit Die erste optische Wahrnehmung muss die tatsächlichen Größenordnungen korrekt widerspiegeln. Die dargestellten Quantitäten sollen schnell erfassbar und absolut verständlich sein. Die Graphik soll optisch attraktiv sein, aber eine korrekte und klare Botschaft vermitteln. 9
10 Graphische Integrität Allgemeine Richtlinien Flächentreue (Wahrnehmung entspricht Quantitäten) Korrekte Skalierung Eindeutige Beschriftung Unterschiedlichkeiten im Design reflektieren Unterschiedlichkeiten in den Daten Empirische Tests 10
11 Höherer Informationswert-aber!!! Relative Anteile der Parteien bei der Wahl X Prozent der gültigen Stimmen Partei A Partei B Partei C 11
12 Korrekte Skalierung Relative Anteile der Parteien bei der Wahl X Prozent der gültigen Stimmen Partei A Partei B Partei C 12
13 Das Problem der Skalierung 13
14 Zentrales Wahrnehmungsgesetz Stevens Gesetz Die primäre Wahrnehmung erfolgt über Flächen. Werden bildliche Elemente mit konstanter Proportion entsprechend der zu visualisierenden Quantität verändert, entsteht naturgemäß eine überproportionale Veränderung der Flächen (und ev. Volumina), welche aber primär wahrgenommen werden. Beachte immer das Prinzip der Flächentreue 14
15 Überproportionale Veränderung der Fläche Volkswagen 27% Opel 17% Ford 10% 0% 5% 10% 15% 20% 25% 30% Konstante Proportion 15
16 Proportionale Veränderung einer Dimension Volkswagen 27% Opel 17% Ford 10% Das Piktogramm wird verzerrt 0% 5% 10% 15% 20% 25% 30% 16
17 Lösungsansatz: Wiederholen von Symbolen Volkswagen 27% Opel 17% Ford 10% 0% 5% 10% 15% 20% 25% 30% Siehe Piktogramm-Technik von Otto Neurath 17
18 Little - Big Man Problem 18
19 Typische Negativbeispiele 19
20 Beispiel In der Broschüre "Antworten zur agenda 2010" wollte das deutsche Finanzministerium zeigen, wie stark zwischen 1998 und 2002 das Kindergeld erhöht wurde. Kinderwagen in unterschiedlicher Größe symbolisieren den scheinbar enormen Anstieg. Quelle: 20
21 Korrekte Darstellung 21
22 Beispiel: Gestiegene Kaffeepreise Vergleiche die Proportionen mit den Quantitäten am Beispiel vom Kaffeepreis 2003 und 2007 Trend 10/
23 Otto Neurath: Vater der Piktogramme Neurath war als Soziologe Mitglied des Wiener Kreises Otto Neuraths Ziel war der Aufbau eines Gesellschafts- und Wirtschaftsmuseum in Wien. Ein Hauptanliegen Neuraths war es, das angeblich trockene Gebiet der Statistik als leicht zugängliches Anschauungsmaterial in seinem Museum zu integrieren. Die Bilder sollten für sich selbst sprechen, ohne den Ballast der Zahlen. Vienna Method of Pictorial Statistics Dafür konzipierte er eine Bildstatistik, um in anschaulicher Weise quantitative Daten und qualitative Informationen darzustellen. Neurath arbeitete ab 1928 dazu mit dem Düsseldorfer Grafiker Gerd Arntz zusammen findet die Bildstatistik und das Museum für Gesellschaft und Wirtschaft, wie so vieles andere ein Ende. 23
24 Typische, statistisches Graphik mit ISOTYPE 24
25 Anwendung der Piktogramm-Technik 25
26 Eindeutige Skalierung 26
27 Kreisdiagramme Darstellung von Häufigkeiten und Anteilen bei diskreten Merkmalen Wahrnehmung von Winkeln ist problematisch Zahlreiche psychologische Untersuchungen belegen, dass typische Fehleinschätzungen erfolgen: Unterschätzung spitzer Winkel Überschätzung flacher Winkel Abweichungen von 90% werden mit Abstand am besten erkannt Sparsame Nutzung von Kreisdiagrammen! Insbesondere von 3D-Tortendiagrammen 27
28 Klassisches Kreisdiagramm 28
29 Anwendung Kreisdiagramm Darstellung der Kundenstruktur eines Unternehmens Type of Client Organisation 10% female (private) 28% male (private) 62% 29
30 Betonung spezifischer Werte Type of Client Organisation 10% female (private) 28% male (private) 62% 30
31 Darstellung der Kundenstruktur eines Unternehmens Type of Client Organisation 10% male (private) 62% female (private) 28% Type of Client male (private) 62% Vergleiche die Farbanteile in den beiden Graphiken! female (private) 28% Organisation 10% 31
32 Unübersichtliches Kreisdiagramm Zu viele Segmente! Zahlen sind schwer wahrnehmbar! 32
33 Vergleich multipler Kreisdiagramme funktioniert nicht! 33
34 Stacked Bar Plot 34
35 Manipulation Information kann durch graphische Gestaltung verzerrt werden Durch die unbewusste Wahrnehmung der Wirkung einer Gestaltungsform, kann auch eine korrekte Darstellung manipulativ wirken Optische Effekte und der subjektiv wahrgenommene Eindruck überlagern den Inhalt Typische Elemente der Manipulation Irreführende Skalierung Irreführende perspektivische Verzerrung Irreführende Vergleichsverzerrungen Weglassen von relevanten Informationen 35
36 Es geht bergauf 36
37 Skalierung der y-achse Durchschnittsverbrauch von Dieselautos y-achse beginnt nicht bei 0 6,7 durchschnittlicher Dieselverbrauch 6,5 6,3 6,1 5,9 5,7 5,5 6,6 6,5 6,3 6,3 6,3 6,3 6,2 6,2 6,2 6,2 Durchschnittsverbrauch aller in Europa zugelassener Durchschnittsverbrauch der Dieselmodelle von XXX 5,9 5,8 5,7 5,7 5,7 5,7 5,7 5, Jahr Beispiel nach W. Krämer 37
38 Skalierung der y-achse Durchschnittsverbrauch von Dieselautos y-achse beginnt bei 0 8 durchschnittlicher Dieselverbrauch Durchschnittsverbrauch aller in Europa zugelassener Dieselmodelle Durchschnittsverbrauch der Dieselmodelle von XXX Jahr nach W. Krämer 38
39 Wie leicht doch bildet man sich eine falsche Meinung geblendet von dem Glanz der äußeren Erscheinung. Moliere 39
40 Finale Checkliste Ist die Beschriftung komplett? Klare Botschaft im Titel Angabe der Datenquelle Anzahl der Respondenten bei Umfragen Bei Prozentwerten (Was ist die Basis?) Bezeichnung von Achsen, Kreissegmenten, Punkten bzw. Linien Ist die Skalierung und die Wahl der Achsen vernünftig? Werden die Quantitäten genau dargestellt? Repräsentieren die Flächen die Quantitäten und die richtigen Proportionen? Besteht die Gefahr perspektivischer Verzerrungen? Unterstützt das graphische Design die Repräsentation des Inhalts bzw. der Botschaft der Graphik? Vermeide graphische Überladungen (z.b. verzerrte 3D-Diagrams) 40
41 41
42 Inspire with Data / Tell a Story 42
Einfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten
Einfache Häufigkeitstabellen und Grundprinzipien der Visualisierung von Quantitativen Daten Siehe dazu auch: Beispiel1.xls Statistik 1 für SoziologInnen 1 Häufigkeitstabellen/Visualisierung Absolute Häufigkeiten
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
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
MehrStatistik 1 für SoziologInnen. Univariate Häufigkeitstabellen Tabellarische und graphische Aufbereitung von Daten. Univ.Prof. Dr.
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
MehrInhaltsverzeichnis. 1. Aufgabe von Infografiken. 2. Gestaltungsregeln von Infografiken
Inhaltsverzeichnis 1. Aufgabe von Infografiken 2. Gestaltungsregeln von Infografiken 3. Diagrammarten 3.1. Torten- auch Kreisdiagramm 3.2. Liniendiagramm 3.3. Säulendiagramm 3.4. Flussdiagramm 3.5. Baumdiagramm
Mehr9. Diagramme - Graphische Darstellung von Daten
9. Diagramme - Graphische Darstellung von Daten Ein Diagramm (v. griech.: diagramma = geometrische Figur, Umriss) ist eine grafische Darstellung von Daten, Sachverhalten oder Informationen. Je nach der
MehrInfografiken mehr als nur ein Eye-Catcher
Infografiken mehr als nur ein Eye-Catcher Infografiken _ sind ein Teil der Bilderwelt _ gehören zu den Informationsbildern _ bereiten Informationen visuell auf _ visualisieren Zusammenhänge, Prozesse,
MehrDas Histogramm, bzw. Stabdiagramm / Histogramm / Balkendiagramm
Histogram / Histogramm / histogram Akademische Disziplin der Statistik/academic field of statistics/ la discipline statistique/estadística/disciplina academica della statistica deskriptive Statistik/descriptive
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
MehrTabellen und Abbildungen Dr. Z. Shi Wiss. Arbeiten
Tabellen und Abbildungen 23.11.16 Dr. Z. Shi Wiss. Arbeiten Tree of Knowledge 1.Zweck von Tabellen & Abbildungen 2. Leitfragen 3. Regeln für Tabellen & Abbildungen 4. Tabellen 5. Abbildungen 6. Checklist
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
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
MehrTabellen und Abbildungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Polygonzug Histogramm Box-Plot
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
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
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:
MehrDATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS
DATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS Master Seminar Empirical Software Engineering Anuradha Ganapathi Rathnachalam Institut für Informatik Software & Systems Engineering Agenda Introduction
MehrGRAPHGESTÜTZTE VISUALISIERUNGSTECHNIKEN IN DIGITAL HUMANITIES Yaning Wu
GRAPHGESTÜTZTE VISUALISIERUNGSTECHNIKEN IN DIGITAL HUMANITIES Yaning Wu 31.05.2016 GELIEDERUNG Einleitung Begriffe und Ziele der Visualisierung Visualisierung ist wissenschaftlich. Ist Visualisierung künstlerisch?
MehrGrundschraffur Metalle feste Stoffe Gase. Kunststoffe Naturstoffe Flüssigkeiten
Anleitung für Schraffuren beim Zeichnen Die Bezeichnung Schraffur leitet sich von dem italienischen Verb sgraffiare ab, was übersetzt etwa soviel bedeutet wie kratzen und eine Vielzahl feiner, paralleler
MehrThe purpose of computing is insight, not numbers. Richard Hamming (1915-1998)
+ Visual Analytics The purpose of computing is insight, not numbers. Richard Hamming (1915-1998) + Aufbau n Einführung n Historie n Definition n Prozess n Verwandte Gebiete n Praktische Beispiele n IN-SPIRE
MehrLerneinheit Statistik
Lerneinheit Statistik In dieser Lerneinheit findest du zu verschiedenen statistischen Themen jeweils ein durchgerechnetes Musterbeispiel und anschließend ähnliche Beispiele zum eigenständigen Arbeiten.
MehrOptische Täuschungen Jacqueline Musil , A
Optische Täuschungen Jacqueline Musil 0401823, A 190 445 299 Optische Täuschungen Wahrnehmungstäuschungen Gestaltpsychologie Optische Täuschungen / Visuelle Illusionen Gestaltpsychologie Die Gestalt (Das
MehrEinführung 17. Teil I Kopfüber eintauchen in die Statistik 23. Kapitel 1 Kategoriale Daten zusammenfassen: Häufigkeiten und Prozente 25
Inhaltsverzeichnis Einführung 17 Über dieses Buch 17 Törichte Annahmen über den Leser 19 Wie dieses Buch aufgebaut ist 19 Teil I: Kopfüber eintauchen indie Statistik 19 Teil II: Von Wahrscheinlichkeiten,
MehrVon Smaller Data zu BIGGER Data Praktische Ansätze zu Data Discovery, Data Blending und Data Visualization
Von Smaller Data zu BIGGER Data Praktische Ansätze zu Data Discovery, Data Blending und Data Visualization Christoph Kral, VP Product Manager Data bitkom Big Data Summit 25. Februar 2016 Agenda Global
MehrFormale Begriffsanalyse
Formale Begriffsanalyse Formale Begriffsanalyse ist um 1980 in Darmstadt entstanden als mathematische Theorie, die eine Formalisierung des Begriffs vom Begriff liefert. FBA hat seitdem zunehmend Verbreitung
MehrDatenanalysen in Excel - Diagramme
1. Was ist ein Diagramm? Datenanalysen in Excel - Diagramme Diagramme stellen Daten und Informationen grafisch dar. Mit Diagrammen können umfangreiche Datenbestände einfach und aussagekräftig aufbereitet
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
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,
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
MehrLOG AND SECURITY INTELLIGENCE PLATFORM
TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com
MehrÜbungsbuch Statistik für Dummies
beborah Rumseif Übungsbuch Statistik für Dummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über die Autorin 8 Über den Übersetzer 8 Einführung 15 Über dieses Buch 15 Törichte Annahmen
MehrVisualisierung, WS07/08 9. November 2007. Visualisierung. Visuelle Variablen, Standardgraphen
Visualisierung, Standardgraphen Detlef Krömker Uni Frankfurt, Graphische Datenverarbeitung Wolfgang Müller PH Weingarten, Mediendidaktik und Visualisierung 09.11.2007 Visualisierung - D.Krömker, W.Müller
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
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
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
MehrGestaltung von Fragebögen
Gestaltung von Fragebögen Inhalt Prinzipielles Formulieren von Fragen Antwortkategorien Kodieren von Fragebögen Erhebungsbögen (Case Record Forms) Prinzipielles Prinzipielles zu Fragebögen Studienziel
MehrIn einer Klasse mit 24 Schülerinnen und Schülern wird eine Umfrage zum Lieblingskuscheltier gemacht. Die Tabelle zeigt die Antworten der Kinder.
Arbeitsblatt: Erstellen von Kreisdiagrammen Aufgabe: Kuscheltier In einer Klasse mit 24 Schülerinnen und Schülern wird eine Umfrage zum Lieblingskuscheltier gemacht. Die Tabelle zeigt die Antworten der
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
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
MehrDatenvisualisierung mit JMP
Datenvisualisierung mit JMP Patrick René Warnat HMS Analytical Software GmbH Rohrbacherstr. 26 Heidelberg patrick.warnat@analytical-software.de Zusammenfassung Das JMP Paket ist ein Softwareprodukt der
MehrSiedlungsstrukturelle Kennzahlen und deren Monitoring in Rasterkarten
Dresden, 26. 27.Mai 2011 Siedlungsstrukturelle Kennzahlen und deren Monitoring in karten Markus Dießelmann, Dr. G. Meinel, Robert Hecht Inhalt Motivation und Zielstellung Datengrundlage Datenzuordnung
MehrWas ist ein Test? Grundlagen psychologisch- diagnostischer Verfahren. Rorschach-Test
Was ist ein Test? Ein Test ist ein wissenschaftliches Routineverfahren zur Untersuchung eines oder mehrerer empirisch abgrenzbarer Persönlichkeitsmerkmale mit dem Ziel einer möglichst quantitativen Aussage
MehrKern- und Schulcurriculum Mathematik Klasse 5/6. Stand Schuljahr 2009/10
Kern- und Schulcurriculum Mathematik Klasse 5/6 Stand Schuljahr 2009/10 Klasse 5 UE 1 Natürliche en und Größen Große en Zweiersystem Römische en Anordnung, Vergleich Runden, Bilddiagramme Messen von Länge
MehrMicrosoft Office Visio 2007 Infowoche schneller zeigen schneller verstehen schneller handeln
Microsoft Office Visio 2007 Infowoche schneller zeigen schneller verstehen schneller handeln Hamburg, 29.01.2007 Wir sind für Sie da! Claus Quast Business Productivity Specialist Microsoft Deutschland
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
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
MehrThe Single Point Entry Computer for the Dry End
The Single Point Entry Computer for the Dry End The master computer system was developed to optimize the production process of a corrugator. All entries are made at the master computer thus error sources
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.
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von Merkmalen stellt sich die Frage, ob es Zusammenhänge oder Abhängigkeiten zwischen den
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.
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen stellt sich die Frage, ob es Zusammenhänge oder Abhängigkeiten zwischen den
MehrEntwicklungsoptimierung mit einem ALM Tool Positionierung mit Fallstudie
Entwicklungsoptimierung mit einem ALM Tool Positionierung mit Fallstudie Gerald Heller Agenda Standortbestimmung ALM Typischer industrieller Setup und Probleme Vorstellung von QualityCenter als ALM tool
MehrUmkreis eines Dreiecks
Umkreis eines Dreiecks Zeichne mit GeoGebra ein Dreieck mit den Eckpunkten A (-5-1), B (4-2), C (2 3) und konstruiere dessen Umkreis. Mit Werkzeugleiste 1 Konstruiere mit dem Werkzeug Vieleck das Dreieck
MehrAufbau des Buches 15 Die Arbeit mit dem Buch 17 Inhalt der Buch-CD 18 Anregungen, Anmerkungen und Feedback 19. 1 Von der Tabelle zum Diagramm 23
Inhaltsverzeichnis 5 Inhaltsverzeichnis Vorwort 15 Aufbau des Buches 15 Die Arbeit mit dem Buch 17 Inhalt der Buch-CD 18 Anregungen, Anmerkungen und Feedback 19 1 Von der Tabelle zum Diagramm 23 Erstellen
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
MehrBegrifflichkeiten (Teiler, Vielfache, Prozentsatz, Prozentwert, Grundwert,
6. Schulstufe Arbeiten mit Zahlen und Maße 6. Schulstufe Festigen und Vertiefen der Fähigkeiten beim Arbeiten mit positiven rationalen Zahlen, um vielfältige und komplexere Probleme in Sachsituationen
MehrKolloquium: Europa-Studien
Timm Beichelt Kolloquium: Europa-Studien Gläser, Jochen / Laudel, Grit, 3 2009: Experteninterviews und qualitative Inhaltsanalyse. Wiesbaden: VS Verlag Wintersemester 2010/11 Sitzung 5 Struktur des Buches
MehrEinführung in die Wahrnehmungspsychologie Optische Täuschungen
180268 SE Didaktik des Psychologieunterrichts - eine praxisorientierte Anwendung Susanne Sturm, Martina Hörwein Einführung in die Wahrnehmungspsychologie Optische Täuschungen Wahrnehmung beruht auf Empfindungen,
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
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrVisualisierung statistischer Ergebnisse
6. Dresdner Flächennutzungssymposium, 11./12.6.2014 Visualisierung statistischer Ergebnisse Bevölkerungs- und Flächennutzungsstatistik auf Grundlage des InstantAtlas in Sachsen INTERAKTIV Gliederung Validität
MehrErstellung einer wissenschaftlichen Arbeit
Erstellung einer wissenschaftlichen Arbeit Kapitel 4 Visualisierungen 30.7508, Wintersemester 2015/2016 Bildquellen: http://www.gillikinconsulting.com/wp-content/uploads/2013/11/writer3a_writing_bnw.jpg
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
MehrDie Kognitive Wende in der Lernforschung
Die Kognitive Wende in der Lernforschung Behaviorismus: Jeder Lernschritt muss von aussen gesteuert werden Kognition: Lernprozesse werden von aussen angestossen, aber das zugrundeliegende Wissen muss eigenständig
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrVIRTUAL REALITY HYPE! Virtual Reality ist Super-Cool! Virtual Reality is Super-Cool! Virtual Bungee Jumping
VIRTUAL REALITY Lebenseinstellung des Vortragenden Institut für Maschinelles Sehen und Darstellen Technische Universität Graz ist Super-Cool! Terminator 4 - der Film aus dem Cyberspace! [SKIP] Mit dem
Mehr2 und d > 1 Punkt im Kreis
Beispiel 4 (Die Bestimmung der Kreisumfangszahl π) 1 Die Bedeutung der Zahl π, die jeder gebildete Zeitungsleser, so auch Ökonomen, Historiker und Politikwissenschaftler, aus der Oberschule kennt, ist
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrJahresplanung 2.Klasse 100% Mathematik
Jahresplanung 2.Klasse 100% Mathematik Unterrichtswoche Schuljahr 2015/2016 Kapitel Seitentitel Schulbuchseiten 1 - Wiederholung von Lerninhalten der 5. Schulstufe 2 1 Eigenschaften 3 1 Eigenschaften 4
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
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
MehrPrediction of Binary Fick Diffusion Coefficients using COSMO-RS
Prediction of Binary Fick Diffusion Coefficients using COSMO-RS Sebastian Rehfeldt, Tobias Sachsenhauser, Sandra Schreiber, Harald Klein Institute of Plant and Process Technology Technische Universität
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2014 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:
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
MehrEclipse User Interface Guidelines
SS 2009 Softwarequalität 06.05.2009 C. M. Bopda, S. Vaupel {kaymic/vaupel84}@mathematik.uni-marburg.de Motivation (Problem) Motivation (Problem) Eclipse is a universal tool platform - an open, extensible
MehrInhaltsfelder Jahrgangsstufe 5 Jahrgangsstufe 6 Jahrgangsstufe 7 Jahrgangsstufe 8 Jahrgangsstufe 9
Mathematik-Wettbewerb des Landes Hessen Aufgabengruppe C (Hauptschulbereich) Aufteilung der Inhaltsfelder in den Jahrgangsstufen 5 9 auf die Einzeljahrgänge Die Themen der 1. Runde des Mathematik-Wettbewerbes
MehrAufbau des Experiments Reihung von Versuchsitems und Distraktoren
Reihung von Versuchsitems und Distraktoren Reihung von Versuchsitems und Distraktoren Hinweis D1 (Verhältnis Distraktoren:Versuchsitems): Es sollten Distraktoren eingebaut werden, im Falle von Sprecherbefragungen
MehrMehrdimensionale Skalierung - MDS
Mehrdimensionale Skalierung - MDS Warum? Angesichts der ständigen Suche nach Differenzierungsmöglichkeiten ist es für ein Unternehmen von Vorteil zu wissen, auf welche Weise die Leistungsabnehmer seine
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
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrManipulation bewusst oder unbewusst? Möglichkeiten der Manipulation. Statistik Methoden. Falsche Bezugsgröße = unsinnige Schlußfolgerungen
Ao.Prof.DI.Dr Josef Haas josef.haas@medunigraz.at Manipulation bewusst oder unbewusst? Statistik Methoden Grafiken und Irrtümer Ao.Univ.Prof.DI.Dr. Josef Haas josef.haas@medunigraz.at Möglichkeiten der
MehrKommentare zu den Lerntagebüchern/Hausaufgaben Proposition: kleinste Wissenseinheit, die als wahr oder falsch beurteilt werden kann
Kommentare zu den Lerntagebüchern/Hausaufgaben Proposition: kleinste Wissenseinheit, die als wahr oder falsch beurteilt werden kann Propositionstheoretische Darstellung Kommentare zu den Lerntagebüchern/Hausaufgaben
MehrChair for Information Architecture FS2010. Ex I - Patterns - Processing
Chair for Information Architecture FS2010 Ex I - Patterns - Processing Chair for Information Architecture FS2010 Ex II - Projected Pattern - 2D Projection Mapping Titel Ex III hinzufügen - Giraffiti -
MehrMedienauswahl, Mediengestaltung und Medieneinsatz Dr. Tobina Brinker Arbeitsstelle für Hochschuldidaktik der Fachhochschule Bielefeld
Medienauswahl, Mediengestaltung und Medieneinsatz Dr. Tobina Brinker Arbeitsstelle für Hochschuldidaktik der Fachhochschule Bielefeld Medienauswahl, -gestaltung und -einsatz Tobina Brinker - 27.03.2003
MehrStatistische Kompetenz: Fallstricke der Dateninterpretation
Statistische Kompetenz: Fallstricke der Dateninterpretation Dr. Odette Wegwarth MPI für Bildungsforschung, Harding Center für Risikokompetenz, Berlin Was wissen Frauen? % der Antworten RichtigeAntwort:
MehrM 7.4 Mathematik im Alltag: Daten, Diagramme und Prozentrechnung
M 7.4 Mathematik im Alltag: Daten, Diagramme und Prozentrechnung Dieses Kapitel dient vor allem der Wiederholung und Vertiefung bekannter Lerninhalte. Die Schüler haben sich im Rahmen des Lehrplanabschnitts
MehrGewichtung in der Umfragepraxis. Von Tobias Hentze
Gewichtung in der Umfragepraxis Von Tobias Hentze Gliederung 1. Einführung 2. Gewichtungsarten 1. Designgewichtung 2. Non-Response-Gewichtung 3. Zellgewichtung 3. Fazit Gewichtung Definition: Ein Gewicht
MehrBildmaterialien und Multimedia
Bildmaterialien und Multimedia Felix Kapp e-fit Workshop Lehren und Lernen mit digitalen Medien TU Dresden 03.-04.12.2009 Gliederung 1 Medium Bild 1.1 Bildarten 1.2 Bildfunktionen 1.3 Verstehen von Bildern
MehrSINN-VOLL PLANEN. Prinzipien barrierefreier Gestaltung für blinde und sehbehinderte Menschen. DI Doris Ossberger
SINN-VOLL PLANEN Prinzipien barrierefreier Gestaltung DI Doris Ossberger DI Doris Ossberger Referentin für barrierefreies Bauen, BSVÖ ON zertifizierte Expertin für barrierefreies Bauen Vorsitzende des
MehrGefährdungsanalyse für Veranstaltungen
Gefährdungsanalyse für Veranstaltungen Prof. Dr.-Ing. H.W. Brenig Fachhochschule Köln Institut für Rettungsingenieurwesen und Gefahrenabwehr Nov. 2011; Bundesfachtagung Ziel Sind Ansätze und Vorgehensweisen
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
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrThematische 3D-Modelle zur visuellen Stadtanalyse
Thematische 3D-Modelle zur visuellen Stadtanalyse Grundlagen,, Kartographentag 2010 Berlin / Potsdam Dipl.-Geogr. Anja Matatko, Prof. Dr. Jürgen Bollmann, Dr. Andreas Müller Handlungsbedarf: technologische
MehrSELF-STUDY DIARY (or Lerntagebuch) GER102
SELF-STUDY DIARY (or Lerntagebuch) GER102 This diary has several aims: To show evidence of your independent work by using an electronic Portfolio (i.e. the Mahara e-portfolio) To motivate you to work regularly
MehrDiagramme erstellen mit EXCEL
Diagramme erstellen mit EXCEL Inhaltsverzeichnis KREISDIAGRAMME ERSTELLEN... 2 SÄULENDIAGRAMME ERSTELLEN... 4 ZAHLENREIHEN HINZUFÜGEN... 4 LINIENDIAGRAMM ERSTELLEN... 5 DIAGRAMMTYP ÄNDERN... 5 DIAGRAMME
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrBASISELEMENTE CORPORATE DESIGN
BASISELEMENTE CORPORATE DESIGN EINLEITUNG Notwendigkeit eines Leitfadens zum Corporate Design Das Corporate Design (CD) ist die Visitenkarte unseres Unternehmens. Als Konstante prägt es das Bild, das wir
MehrBitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.
Übungsblatt 1 - Häufigkeiten, Mittelwert, Erwartungswert Das erste Übungsblatt ist als Einstieg ins Thema Wahrscheinlichkeitsrechnung gedacht und umfasst die Themen relative/absolute Häufigkeiten, Mittelwert
Mehr