Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %
|
|
- Gotthilf Jaeger
- vor 6 Jahren
- Abrufe
Transkript
1 3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das erste und dritte Quartil bestimmt. Tab. 1: Mittelwert, Median, Standardabweichung sowie 1. und 3. Quartil der Leberfettgehalte Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 % 3. b) Ausgehend von 10 % sollen die Messwerte in jeweils 4 % breite Klassen eingeteilt werden. Hierzu wird die Funktion Häufigkeit(DB;KL) 2 genutzt, die die absolute Häufigkeit ausgibt. Aus dieser wird die relative Häufigkeit durch Division durch die Gesamtzahl der Messwerte erhalten. Summiert man die Werte auf, erhält man die absolute bzw. relative Summenhäufigkeit. Tab. 2: Klassierung der Daten sowie Berechnugn der Häufigkeitsverteilung und Verteilungsfunktion Fettgehalt Häufigkeit Summenhäufigkeit theoretische je 100 g absolut relativ absolut relativ Verteilungsfunktion <10 g 0 0,00 % 0 0,00 % 1,60 % 10 g 14 g 3 2,88 % 3 2,88 % 4,99 % 14 g 18 g 7 6,73 % 10 9,62 % 12,55 % 18 g 22 g 16 15,38 % 26 25,00 % 25,78 % 22 g 26 g 26 25,00 % 52 50,00 % 43,95 % 26 g 30 g 19 18,27 % 71 68,27 % 63,53 % 30 g 34 g 12 11,54 % 83 79,81 % 80,06 % 34 g 38 g 9 8,65 % 92 88,46 % 91,01 % 38 g 42 g 6 5,77 % 98 94,23 % 96,71 % 42 g 46 g 3 2,88 % ,12 % 99,03 % 46 g 50 g 3 2,88 % ,00 % 99,77 % >50 g 0 0,00 % ,00 % 99,96 % 3. c) Die in b) berechneten Daten für die relative Häufigkeitsverteilung und die relative Summenfunktion sind als Diagramme in den Abbildungen 1 und 2 dargestllt. 3. d) Mit Hilfe der Excel-Funktion Normvert(OG;M;S;1) 3 wird die theoretische Verteilungsfunktion für die obere Klassengrenze berechnet. Die Ergebnisse sind in Tabelle 2 aufgeführt. 1 DB gibt den Datenbereich wieder; P stellt einen Prozentsatz (0,25 für das 1. Quartil, 0,75 für das 3. Quartil) dar 2 DB: Datenbereich; KL: Bereich, in dem die Klassenobergrenzen aufgeführt sind. 3 Hierbei stehen OG für die obere Klassengrenze, M für den Mittelwert der Messwerte und S für die Standardabweichung ausgehend von einer Grundgesamtheit (s. StabwN in Tab. 1). 1
2 25% 15% 1 5% Abb. 1: Relative Häufigkeitsverteilung der Leberfettgehalte Abb. 2: Empirische Verteilungsfnktion der Leberfettgehalte 3. e) Die Darstellung der Leberfettgehalte als empirische Verteilungsfunktion sowie der Verteilungsfunktion aus der Normalverteilung für die oberen Klassengrenzen ist in Abbildung 3 dargestellt. 3. f) Um die theoretische Verteilungsfunktion für jeden Wert zu berechnen, wird die Excel- Funktion Normvert(W;M;S;1) 4 genutzt. Die empirische Verteilungsfunktion wird in mehreren Schritten bestimmt. Zunächst werden die Daten sortiert und anschließend die absolute Häufigkeit jedes einzelnen Wertes bestimmt. Letzteres erfolgt mit der Funktion Häufigkeit(DB;KL), wobei Datenbereich DB und Klassengrenzen KL identisch sind. Durch Division der absoluten Häufigkeit durch die Gesamtzahl an Werten erhält man die relative Häufigkeit, die durch Auf- 4 W entspricht hierbei dem einzelnen Wert, M dem Mittelwert und S der Standardabweichung für eine Grundgesamtheit (s. StabwN in Tab. 1). 2
3 10 Verteilungsfunktionen relative Summenhäufigkeit ,00 0,10 0,20 0,30 0,40 0,50 Leberfettgehalt in g/g theoretisch empirisch Abb. 3: Darstellung der empirischen Verteilungsfunktion der Leberfettgehalte sowie der theoretischen Verteilungsfunktion für die obere Klassengrenze summieren die empirische Verteilungsfunktion ergibt. Die Werte der theoretischen sowie der empirischen Verteilungsfunktion sind in Tabelle 3 aufgeführt. Tab. 3: Empirische und theoretische Verteilungsfunktion Leberfettgehalt Verteilungsfunktion Leberfettgehalt Verteilungsfunktion je 100 g empirisch theoretisch je 100 g empirisch theoretisch 10,72 0,96 % 2,00 % 26,22 50,96 % 45,04 % 13,08 1,92 % 3,92 % 26,51 51,92 % 46,47 % 13,95 2,88 % 4,93 % 26,90 52,88 % 48,40 % 14,14 3,85 % 5,17 % 27,09 53,85 % 49,34 % 14,31 4,81 % 5,40 % 27,25 54,81 % 50,14 % 15,60 5,77 % 7,40 % 27,34 55,77 % 50,59 % 16,00 6,73 % 8,12 % 27,46 56,73 % 51,18 % 16,75 7,69 % 9,62 % 27,58 57,69 % 51,78 % 17,11 8,65 % 10,41 % 27,76 58,65 % 52,67 % 17,12 9,62 % 10,43 % 28,28 59,62 % 55,24 % 18,21 10,58 % 13,10 % 28,50 60,58 % 56,32 % 18,31 11,54 % 13,36 % 28,66 61,54 % 57,10 % 18,80 12,50 % 14,72 % 28,73 62,50 % 57,45 % 18,83 13,46 % 14,81 % 28,88 63,46 % 58,18 % 18,92 14,42 % 15,07 % 29,03 64,42 % 58,90 % 19,29 15,38 % 16,17 % 29,16 65,38 % 59,53 % 19,54 16,35 % 16,95 % 29,30 66,35 % 60,21 % 3
4 Leberfettgehalt Verteilungsfunktion Leberfettgehalt Verteilungsfunktion je 100 g empirisch theoretisch je 100 g empirisch theoretisch 19,83 17,31 % 17,87 % 29,34 67,31 % 60,40 % 19,84 18,27 % 17,91 % 29,79 68,27 % 62,54 % 19,86 19,23 % 17,97 % 30,12 69,23 % 64,09 % 20,79 20,19 % 21,17 % 30,14 70,19 % 64,18 % 20,99 21,15 % 21,89 % 30,56 71,15 % 66,11 % 21,23 22,12 % 22,79 % 30,60 72,12 % 66,29 % 21,26 23,08 % 22,90 % 30,83 73,08 % 67,33 % 21,54 24,04 % 23,97 % 31,18 75,00 % 68,89 % 21,90 25,00 % 25,38 % 31,18 75,00 % 68,89 % 22,19 25,96 % 26,55 % 31,45 75,96 % 70,07 % 22,24 26,92 % 26,76 % 32,13 76,92 % 72,94 % 22,25 28,85 % 26,80 % 32,26 77,88 % 73,47 % 22,25 28,85 % 26,80 % 32,68 78,85 % 75,16 % 22,28 29,81 % 26,92 % 32,84 79,81 % 75,78 % 22,45 31,73 % 27,62 % 34,29 80,77 % 81,05 % 22,45 31,73 % 27,62 % 34,40 81,73 % 81,42 % 22,57 32,69 % 28,13 % 34,70 82,69 % 82,40 % 22,69 33,65 % 28,63 % 35,23 83,65 % 84,06 % 22,80 34,62 % 29,10 % 35,60 84,62 % 85,15 % 22,91 35,58 % 29,57 % 35,83 85,58 % 85,80 % 23,97 36,54 % 34,28 % 36,29 86,54 % 87,05 % 24,23 37,50 % 35,48 % 36,57 87,50 % 87,77 % 24,29 38,46 % 35,76 % 36,83 88,46 % 88,42 % 24,30 39,42 % 35,80 % 38,79 89,42 % 92,51 % 24,37 40,38 % 36,13 % 39,00 90,38 % 92,87 % 24,44 41,35 % 36,46 % 39,30 91,35 % 93,36 % 24,47 42,31 % 36,60 % 40,74 92,31 % 95,38 % 24,77 43,27 % 38,01 % 40,90 93,27 % 95,57 % 24,80 44,23 % 38,15 % 41,90 94,23 % 96,62 % 24,86 45,19 % 38,44 % 42,05 95,19 % 96,75 % 25,31 46,15 % 40,59 % 43,42 96,15 % 97,81 % 25,55 47,12 % 41,76 % 44,43 97,12 % 98,39 % 25,56 48,08 % 41,80 % 46,31 98,08 % 99,13 % 25,61 49,04 % 42,05 % 48,44 99,04 % 99,59 % 25,90 50,00 % 43,46 % 48,89 100,00 % 99,65 % 4
5 3. g) Die Darstellung der empirischen Verteilungsfunktion der Leberfettgehalte sowie Verteilungsfunktion aus Normalverteilung für jeden Wert ist in Abbildung 6 (S. 8) dargestellt. Zeichnet man parallel zur Abszisse eine Linie bei 25 %, 50 % oder 75 % ein, kann am Schnittpunkt mit der empirischen Verteilungsfunktion das erste Quartil, der Median bzw. das dritte Quartil abgelesen werden. Für die gemessenen Leberfettgehalte ergeben sich damit folgende Werte: Der Median liegt etwa bei 26 %, das erste Quartil bei etwa 22 % und das dritte bei etwa 31 %. 3. h) Um zu Prüfen, ob die Daten einer Normalverteilung folgen, werden die in f) berechnete empirische Verteilungsfunktion sowie die in a) berechneten Werte für Mittelwert und Standardabweichung StabwN herangezogen. Aus dem Mittlewert µ und der Standardabweichung σ werden nun die Grenzen des zu betrachtenden Bereichs berechnet: Die Untergrenze ist µ σ = 19,19 %, die Obergrenze ist µ + σ = 35,26 %. Nun werden die berechneten Werte der empirischen Verteilunsfunktion (s. Tab 3) für die Leberfettgehalte ermittelt, die innerhalb des Bereichs µ σ,..., µ + σ am nächsten zu den Grenzwerten liegen. Dies sind die Leberfettgehalte 19,29 % und 35,23 % mit den Werten der empirischen Verteilungsfunktion von 15,38 % bzw. 83,65 %. Die Diffrenz dieser Werte beträgt 68,27 %; demnach sind mehr als 68 % der Werte im Bereich µ σ,..., µ + σ, die Verteilung kann als normalverteilt angesehen werden. 3. i) Bei der Auftragung der theoretischen über der empirischen Verteilungsfunktion (s. Abb. 4) ist zu erkennen, dass die Werte unterhalb von 30 % und über 80 % nahezu der Geraden folgen, für die der Wert der Ordinate gleich dem der Abszisse ist. Im Bereich zwischen 30 % und 80 % liegen die Werte der empirischen Verteilungsfunktion über dem theoretischen Wert. Es wurden also etwas mehr Leberfettgehalte in diesem Bereich gemessen, als der Normalverteilung nach zu erwarten wären. theoretische Verteilungsfunktion empirische Verteilungsfunktion Abb. 4: Auftragung der theoretischen über der empirischen Verteilungsfunktion für die Leberfettgehalte 5
6 3. j) In SPSS kann die in i) erstellt Grafik über Analysieren/ Deskriptive Staristiken / P-P- Diagramm erstellt werden (s. Abb. 5). 1,0 P-P-Diagramm von Normal von Leberfett (g/100g) 0,8 Erwartete Kum. Wahrsch. 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. Abb. 5: P-P-Diagramm der Leberfettgehalte 3. k) Für die als normalverteilt angesehene Verteilung der Leberfettgahlte kann für jeden Wert x die Wahrscheinlichkeit P des Auftretens mit Hilfe der Normalverteilungsfunktion f sowie dem Mittelwert x und der Standardabweichung s aus a) berechnet werden: P (x) = f(x, x,s) = Φ(x, x,s) = [ 1 exp 1 2πs 2 2 x f(x, x,s)dx ( ) ] x x 2 Für die Wahrscheinlichkeit, dass eine Kliesche einen Leberfettgehalt von über 40 % aufweist, gilt: s + P (x > 0,4) = f(x)dx = 1 Φ(0,4) 0,4 Seite 1 6
7 Unter Zuhilfenahme der Excel-Funktion Normvert(0,4; x;s;1) wird F(0,4) berechnet, sodass sich für die Wahrscheinlichkeit, dass eine Kliesche einen Leberfettgehalt von über 40 % aufweist, 5,6 % ergeben. Die Wahrscheinlichkeit, dass eine Kliesche einen Leberfettgehalt zwischen 20 % und 30 % aufweist, ergibt sich nach: P (0,2 < x < 0,3) = 0,3 0,2 f(x)dx = Φ(0,3) Φ(0,2) Zur Lösung wird ebenfalls die Excel-Funktion Normvert(G; x;s;1) herangezogen, wobei G einmal der oberen (0,3) und einmal der unteren Grenze (0,2) entspricht. Es ergibt sich damit F (0,3) = 63,53 % und F (0,2) = 18,43 %. Daraus resultiert eine Wahrscheinichkeit von etwa 45 % dafür, dass eine Kliesche einen Leberfettgehalt zwischen 20 % und 30 % aufweist. 7
8 Verteilungsfunktionen g 0,00 0,10 0,20 0,30 0,40 0,50 Leberfettgehalt in g/g theoretisch empirisch ive Summenhäufigkeit relati Abb. 6: Darstellung der empirischen Verteilungsfunktion der Leberfettgehalte sowie Verteilungsfunktion aus Normalverteilung für jeden Wert 8
Anpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
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
MehrHochschule Bremerhaven Medizintechnik Mathcad Kapitel 6
6. Diagramme mit Mathcad In diesem Kapitel geht es um andere, als X Y Diagramme. 6.. Kreisdiagramme. Schritt: Die darzustellende Funktion muß zunächst als Funktion definiert werden, zum Beispiel f(x):=
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrWissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21
Der T-Test in Excel NORBERT BRUNNER und MANFRED KÜHLEITNER Ein häufiges Problem ist der Vergleich eines beobachteten Stichprobenmittelwerts mit einem Sollwert. Dabei wird der T-Test angewandt. Wir zeigen
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrKapitel 38 Verteilungsdiagramme
Kapitel 38 Verteilungsdiagramme Mit Verteilungsdiagrammen können Sie grafisch untersuchen, inwieweit die Stichprobenverteilung einer Variablen mit einer theoretischen Verteilung übereinstimmt. So können
MehrStatistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
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
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:
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
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:
MehrBeide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.
Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrZeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
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
MehrGrenzen für x -s-regelkarten
Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende
Mehr3. Übung Deskription und Diagnose Wer oder was ist normal?
Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 3. Übung Deskription und Diagnose Wer
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
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,
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
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
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrGraphische Verfahren in der Statistik: Q-Q- und P-P-Plots
Prof. Dr. Dietmar Pfeifer Institut für Mathemati Graphische Verfahren in der Statisti: Q-Q- und P-P-Plots Bei den üblichen parametrischen Testverfahren in der Statisti wird in der Regel eine Annahme über
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
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
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
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.
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
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,
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
Mehr0, t 0,5
XIII. Die Normalverteilung ==================================================================. Der lokale Grenzwertsatz --------------------------------------------------------------------------------------------------------------
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrStatistische Auswertung in der Betriebsprüfung
Dr. Harald Krehl Der Einsatz verteilungsbezogener Verfahren Der Einsatz verteilungsbezogener Verfahren etwa des Benford- Newcomb Verfahrens oder der Normalverteilung bzw. der LogNormalverteilung in der
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrAufgaben zu Messfehlern
Aufgaben zu Messfehlern. Aufgabe Ein Spannungsmesser zeigt 35V, das sind 2,5% zuviel. Wie groß ist der absolute Fehler und der wahre Wert? 2. Aufgabe Ein Spannungsmesser zeigt an einer Eichspannungsquelle
Mehr3 Evaluation als Beschreibung von Zuständen
Evaluation als Beschreibung von Zuständen 1 Sind die folgenden Aussagen richtig oder falsch? 1.1 In einer Klumpenstichprobe werden systematisch anfallende Cluster von Personen vollständig untersucht. Die
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
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
MehrAnleitung zum Java - Applet
Anleitung zum Java - Applet Stetige Verteilungen Visualisierung von Wahrscheinlichkeit und Zufallsstreubereich bearbeitet von: WS 2004 / 2005 E/TI 7 betreut von: Prof. Dr. Wilhelm Kleppmann Inhaltsverzeichnis
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
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
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
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:
MehrGrundkompetenzen im gemeinsamen Kern
1 Zahlen und Maße 1.1 mit natürlichen, ganzen, rationalen und reellen Zahlen rechnen, ihre Beziehungen argumentieren und auf der Zahlengeraden veranschaulichen 1.2 Zahlen in Fest- und Gleitkommadarstellung
MehrProbeklausur Statistik Lösungshinweise
Probeklausur Statistik Lösungshinweise Prüfungsdatum: Juni 015 Prüfer: Studiengang: IM und BW Aufgabe 1 18 Punkte 0 Studenten werden gefragt, wie viele Stunden sie durchschnittlich pro Tag ihr Smartphone
MehrKapitel 35 Histogramme
Kapitel 35 Histogramme In einem Histogramm können Sie die Häufigkeitsverteilung der Werte einer intervallskalierten Variablen darstellen. Die Werte werden zu Gruppen zusammengefaßt und die Häufigkeiten
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
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament
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
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
Mehr2. Übung zur Vorlesung Statistik 2
2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
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
MehrZum Begriff des Erwartungswertes
Zum Begriff des Erwartungswertes Wie man den Erwartungswert in der Schule einführt! Christopher Hirsch Institut für Mathematik Humboldt-Universität zu Berlin 13. Juli 2010 Das Wissensquiz 1. Die Aufgabe
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung III Wichtige Verteilungen Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
Mehr9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte
QM-Übungsaufgaben 9. Übungen F1 Statistik: Mittelwert und Standardabweichung F2 Statistik: Median F3 Statistik: Kennwerte F4 Statistik: Kennwerte F5 Lebensdauer F6 Vertrauensgrenzen und Histogramm F7 Statistik:
Mehr1. Übungsblatt zu Wahrscheinlichkeitsrechnung und Statistik in den Ingenieurswissenschaften
1. Übungsblatt zu Aufgabe 1: In R können die Logarithmen zu verschiedenen Basen mit der Funktion log berechnet werden, wobei im Argument base die Basis festgelegt wird. Plotten Sie die Logarithmusfunktion
MehrStatistik-Übungsaufgaben
Statistik-Übungsaufgaben 1) Bei der Produktion eine Massenartikels sind erfahrungsgemäß 20 % aller gefertigten Erzeugnisse unbrauchbar. Es wird eine Stichprobe vom Umfang n =1000 entnommen. Wie groß ist
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Die Verteilung einer Summe X +X +...+X n, wobei X,..., X n unabhängige standardnormalverteilte Zufallsvariablen sind, heißt χ -Verteilung mit n Freiheitsgraden. Eine N(, )-verteilte
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrRelative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen:
Relative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen: http://www.serlo.org/ 1. In einer Schulklasse ergaben sich bei einer Mathematikschulaufgabe folgende Noten: Note 1
MehrTeil II. Der Weg zur schließenden Statistik: Von den Daten zu Wahrscheinlichkeiten. StatSoz 127
Teil II Der Weg zur schließenden Statistik: Von den Daten zu Wahrscheinlichkeiten StatSoz 127 6 Zufallsstichprobe und Parameter 6.1 Parameter einer Grundgesamtheit 6.2 Zufallsstichprobe und Bias 6.3 Stichprobenfehler
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrInhaltsverzeichnis. Teil I Einführung
Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
MehrBerufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Februartermin 2014
BRP Mathematik VHS Floridsdorf Gruppe A / 15.02.2014 Seite 1/7 Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Februartermin 2014 Notenschlüssel:
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrAnleitung zum Applet
Anleitung zum Applet Wahrscheinlichkeitsnetz bearbeitet von: WS 2006/2007 E/TI-7, betreut von: Prof. Dr. Wilhelm Kleppmann Inhaltsverzeichnis Anleitung zum Applet... 1 1 Vorwort... 3 2 Grafische Benutzeroberfläche
MehrLineare Funktionen. Klasse 8 Aufgabenblatt für Lineare Funktionen Datum: Donnerstag,
Lineare Funktionen Aufgabe 1: Welche der folgenden Abbildungen stellen eine Funktion dar? Welche Abbildungen stellen eine lineare Funktion dar? Ermittle für die linearen Funktionen eine Funktionsgleichung.
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
Mehr