Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
|
|
- Rolf Straub
- vor 7 Jahren
- Abrufe
Transkript
1 Sommersemester 2009 Statistik mit SPSS 8. Mai Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1
2 Überblick 1. Hilfsbefehl und Datentransformationsbefehl (II) 1.a. execute 1.b. compute 2. Möglichkeiten und Aufgabe der deskriptiven (univariaten) Statistik 3. SPSS- Prozeduren zur univ. Statistik und Grafiken (I) 3.a. Häufigkeiten (frequencies): nominale und ordinale Daten 3.b. Explorative Datenanalyse (examine): metrische Daten 2
3 1. Hilfsbefehl und Datentransformationsbefehl (II) 1.a. Hilfsbefehl EXECUTE 3
4 1.a. Hilfsbefehl EXECUTE SPSS-Befehle zur Datenbeschreibung, Transformationen und Auswahl von Daten werden vom Programm nicht sofort ausgeführt, sondern zunächst nur auf Syntaxfehler hin überprüft. Erst bei der nächsten Statistikprozedur (z.b. fre) wird der Befehl ausgeführt und das Ergebnis (z.b. die neue Variable) in der Arbeitsdatei gespeichert. Soll ein Befehl (z.b. recode, compute) sofort umgesetzt werden, dann muss nach dem betreffenden Befehl die SPSS-Anweisung EXECUTE folgen. 4
5 1. Hilfsbefehl und Datentransformationsbefehl (II) 1.b. Datentransformationsbefehl COMPUTE (Legt neue Variablen an, berechnet neue Variablen) 5
6 1.b. Datentransformationsbefehl COMPUTE: Variablen berechnen Anwendungsbeispiele: Viele benötigte Variablen existieren im Datensatz nicht, z.b. - Alter (berechnet aus Geburtsjahr und Befragungsjahr) - Additiver Index Rechtsextremismus (Addition versch. Items) - Berechnung Fernsehdauer in Stunden pro Tag - BMI (berechnet aus Körpergröße und Gewicht) 6
7 1.b. Datentransformationsbefehl COMPUTE: Variablen berechnen Beispiel 1: Aus der Variable vjahr (Geburtsjahr) soll das Alter der Befragten errechnet werden (BTW05-ZA-Datensatz) COMPUTE zielvariable = arithmetischer Ausdruck. compute alter =???? 7
8 1.b. Datentransformationsbefehl COMPUTE: Variablen berechnen Beispiel 1: Berechnung Alter in Jahren Geburtsjahr s02a Befragungszeitpunkt 2005 Formel für die Berechnung des Alters: 2005-s02a Vollständiger SPSS-Befehl: Befehl zur Erstellung einer neuen Variable COMPUTE alter = 2005-s02a. Ausdruck Zielvariable 8
9 1.b. COMPUTE: Variablen berechnen Beispiel 1: Berechnung Alter in Jahren 9
10 1.b. COMPUTE: Variablen berechnen Beispiel 1: Berechnung Alter in Jahren Überprüfen ob Missings gesetzt sind! 10
11 1.b. COMPUTE: Variablen berechnen Beispiel 1: Berechnung Alter in Jahren Überprüfen von Missings! Aus dem Geburtsjahr wird das Alter 11
12 1.b. COMPUTE: Variablen berechnen Beispiel 1: Berechnung Alter in Jahren 12
13 1.b. COMPUTE: Variablen berechnen Zusatz: Struktur des Compute-Befehls COMPUTE zielvariable = arithmetischer Ausdruck. Arithmetischer Ausdruck (mathematische Formel): - Bereits definierte Variablen - Zahlen - arithmetische Operationen: Potenzfunktion (**), Multiplikation (*), Division (/), Addition (+), Subtraktion (-) - Klammern - Funktionen 13
14 1.b. COMPUTE: Variablen berechnen Zusatz: Struktur des Compute-Befehls COMPUTE zielvariable = arithmetischer Ausdruck. Abarbeitungsreihenfolge beim arithmetischen Ausdruck: 1. Klammern 2. Funktionen 3. ** 4. *, / 5. +, - 14
15 1.b. COMPUTE: Variablen berechnen Beispiel 2: Indexerstellung Index: Zusammenfassung mehrerer Items zu einer neuen Variable. Die neue Variable beinhaltet verschiedene Aspekte eines theoretischen Konstruktes. Aufgabe: Aus den sechs Variablen f062_1 bis f062_6 (Wahlstudie 2005) soll ein additiver Index Rechtsextremismus erstellt werden. f062_1 Rechtsextr: herausragende Leistung deutschen Volkes Gültig Fehlend Gesamt Gültige Kumulierte Häufigkeit Prozent f062_2 Rechtsextr: Prozente unwertes ProzenteLeben 1 lehne voellig ab ,6 26,6 26,6 2 lehne eher ab ,9 38,8 65,4 Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 3 stimme eher zu Gültig lehne voellig 24,9 ab 26,9 92, ,8 68,8 68,8 4 stimme voellig zu lehne eher ab 7,1 7,7 100, ,0 13,8 82,5 Gesamt stimme eher 92,5 zu 100, ,8 10,4 93,0 8 weiss nicht stimme voellig 6,8 zu 168 6,6 7,0 100,0 9 keine Angabe Gesamt 18, ,3 100,0 Gesamt Fehlend 8191 weiss nicht 7, , keine Angabe 100,0 30 1,2 Gesamt 145 5,7 Gesamt ,0 15
16 1.b. COMPUTE: Variablen berechnen Beispiel 2: Indexerstellung Beachte: vor dem Compute-Befehl: Sind missing values definiert? alle Items müssen den gleichen Wertebereich aufweisen (hier: 1 bis 4) alle Items müssen die gleiche Polung aufweisen (hier: je höher der Wert, desto rechtsextremer die Einstellung) Wertebereich der neuen Variable: 6 bis 24, d.h. Wert 6 = keine rechtsextreme Einstellung, Wert 24 = stärkste rechtsextreme Einstellung 16
17 1.b. COMPUTE: Variablen berechnen Beispiel 2: Indexerstellung 17
18 1.b. COMPUTE: Variablen berechnen Beispiel 2: Indexerstellung rex_idx Index Rechtsextremismus Gültig Fehlend Gesamt 6,00 keine rechtsextreme Einstellung 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00 21,00 22,00 23,00 24,00 starke rechtsextreme Einstellung Gesamt System Häufigkeit Prozent Gültige Prozente 251 9,9 12,8 12, ,2 11,9 24, ,5 12,3 37, ,4 10,8 Histogramm 47, ,7 8,6 56, ,2 8,0 64, ,9 7,6 72, ,4 5,7 77, ,6 5,9 83,7 83 3,3 4,2 87, ,3 3,0 91,0 55 2,2 2,8 93,8 51 2,0 2,6 96,4 18,7,9 97,3 18,7,9 98, ,5,6 98,8 11,5,6 99,4 2,1,1 99,5 10,4,5 100,0 Häufigkeit 0 Kumulierte Prozente ,00 77,4 10,00 100,0 15,00 20,00 25, ,6 Index Rechtsextremismus ,0 Fälle gewichtet nach proportionales Personengewicht Mittelwert =10,61 Std.-Abw. =3,845 N =1.966,8 18
19 1.b. COMPUTE: Variablen berechnen Weitere Beispiele (Allbus 2004) - Berechnung Fernsehdauer in Stunden pro Tag - BMI (berechnet aus Körpergröße und Gewicht) 19
20 2. Möglichkeiten und Aufgabe der deskriptiven (univariaten) Statistik 20
21 2. Möglichkeiten und Aufgabe der univariaten Statistik Überblick über univariate Verteilungen: Häufigkeitstabellen und graphische Darstellung Zusammenfassung der Eigenschaften einer Verteilung in einem Wert (bzw. wenigen Werten): Kennwerte univariater Verteilungen wie z.b. Lagemaße, Streuungsmaße, Schiefe, Kurtosis Insbesondere Verteilung, Lage, Streuung und Schiefe sollten untersucht werden: Fehler im Datensatz (z.b. Alter) sind fehlende Werte definiert? zu schiefe Verteilungen häufig problematisch Ausreißeridentifikation Anwendungsvoraussetzungen erfüllt? 21
22 3. SPSS- Prozeduren zur univariaten Statistik und Grafiken 22
23 1. Nominalskalenniveau Skalenniveaus Die Zahlen haben nur klassifikatorischen Charakter. Unterschiedliche Zahlen bedeuten unterschiedliche Merkmalausprägungen, sie stehen nicht für ein Mehr oder Weniger (z.b. Familienstand, Religion, Parteizugehörigkeit). 2. Ordinalskalenniveau Die Zahlen haben zusätzlich eine Rangordnug (Auskunft über ein Mehr oder Weniger). Gleiche Abstände zwischen den Zahlenwerten bedeuten nicht gleiche Abstände in der Realität (z.b. Zufriedenheit, soziale Schicht) 3. Intervallskalenniveau (metrisch) Die Zahlen geben Informationen über die Abstände zwischen den gemessenen Ausprägungen (kein echter Nullpunkt) (z.b. Geburtsjahr). 4. Ratioskalenniveau (metrisch) Es ermöglicht, das Verhältnis zweier Werte von Eigenschaftsmessungen zu interpretieren (Nullpunkt vorhanden) (z.b. Einkommen, Alter). 23
24 3. SPSS- Prozeduren zur univariaten Statistik und Grafiken 3. a. Häufigkeiten (FREQUENCIES): Analysieren Deskriptive Statistiken Häufigkeiten 3. b. Explorative Datenanalyse (EXAMINE): Analysieren Deskriptive Statistiken Explorative Datenanalyse 24
25 3. SPSS- Prozeduren zur univariaten Statistik und Grafiken 3.a. Häufigkeiten (FREQUENCIES) 25
26 FREQUENCIES [VARIABLES=]varlist [/FORMAT=[{DVALUE}] [{NOTABLE }]] {AFREQ } {LIMIT(n)} {DFREQ } [/MISSING=INCLUDE] [/BARCHART=[MIN(n)][MAX(n)][{FREQ(n) }]] {PERCENT(n)} [/PIECHART=[MIN(n)][MAX(n)][{FREQ }] {PERCENT} [{MISSING }]] {NOMISSING} [/HISTOGRAM=[MIN(n)][MAX(n)][{FREQ(n) }] {PERCENT(n)} [{NONORMAL}][INCREMENT(n)]] {NORMAL } [/NTILES=n] [/PERCENTILES=value list] [/STATISTICS=[DEFAULT][MEAN][STDDEV][SUM] [MINIMUM][MAXIMUM][RANGE] [SEMEAN][VARIANCE][SKEWNESS][SESKEW] [MODE][KURTOSIS][SEKURT][MEDIAN] [ALL][NONE]] [/GROUPED=varlist [{(width) }]] {(boundary list)} [/ORDER = [{ANALYSIS}] [{VARIABLE}] 26
27 3.a. Häufigkeiten (FREQUENCIES) -Nominale Daten- Für die Variable f012c (Wahlentscheidung, Nachwahlbefragung) soll der Modus und ein Tortendiagramm ausgegeben werden. 27
28 Statistiken f012c BTW 05 Nachwahlbefragung Zweitstimme N Modus Gültig Fehlend f012c BTW 05 Nachwahlbefragung Zweitstimme Gültig Fehlend Gesamt 10 SPD 11 CDU/CSU 12 Bd90/Die Gruenen 13 FDP 14 Die Linke.PDS 15 Rep 16 NPD 17 Graue 18 andere 19 ungueltig gewaehlt Gesamt -1 trifft nicht zu 98 kann mich nicht erinnern 99 verweigert Gesamt Gültige Kumulierte Häufigkeit Prozent Prozente Prozente ,6 38,4 38, ,9 31,2 69, ,0 8,8 78, ,6 9,6 88, ,7 8,4 96,4 18,7,9 97,3 26 1,0 1,3 98,6 6,2,3 98,9 11,4,6 99,4 11,4,6 100, ,7 100, ,5 10, , , ,0 28
29 Statistiken f012c BTW 05 Nachwahlbefragung Zweitstimme N Modus Gültig Fehlend f012c BTW 05 Nachwahlbefragung Zweitstimme BTW 05 Nachwahlbefragung Zweitstimme Gültig Fehlend Gesamt 10 SPD 11 CDU/CSU 12 Bd90/Die Gruenen 13 FDP 14 Die Linke.PDS 15 Rep 16 NPD 17 Graue 18 andere 19 ungueltig gewaehlt Gesamt -1 trifft nicht zu 98 kann mich nicht erinnern 99 verweigert Gesamt Gültige Kumulierte Häufigkeit Prozent Prozente Prozente ,6 38,4 38, ,9 31,2 69, ,0 8,8 78, ,6 9,6 88, ,7 8,4 96,4 18,7,9 97,3 26 1,0 1,3 98,6 6,2,3 98,9 11,4,6 99,4 11,4,6 100, ,7 100, ,5 10, , , ,0 Fälle gewichtet nach proportionales Personengewicht SPD CDU/CSU Bd90/Die Gruenen FDP Die Linke.PDS Rep NPD Graue andere ungueltig gewaehlt Fehlend 29
30 3.a. Häufigkeiten (FREQUENCIES) -Ordinale Daten- Für die Variable f003 (Demokratiezufriedenheit) sollen Modus, Median und Quartile und zusätzlich ein Balkendiagramm ausgegeben werden. 30
31 Statistiken f003 Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD N Median Modus Minimum Maximum Perzentile Gültig Fehlend , ,00 4,00 5,00 31
32 Statistiken f003 Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD N Median Modus Gültig 40 Fehlend ,00 5 Minimum 1 20 Maximum 6 Perzentile ,00 4,00 5,00 Prozent 0 Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD sehr unzufrieden ziemlich unzufrieden etwas unzufrieden etwas zufrieden ziemlich zufrieden sehr zufrieden Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD Fälle gewichtet nach proportionales Personengewicht 32
33 3. SPSS- Prozeduren zur univariaten Statistik und Grafiken 3.b. Explorative Datenanalyse (EXAMINE) 33
34 EXAMINE VARIABLES=varlist [[BY varlist] [varname BY varname]] [/COMPARE={GROUP** }] {VARIABLE} [/ID={$CASENUM**}] {varname } [/PERCENTILES[(value list)=[{haverage }] [NONE]] {WAVERAGE } {ROUND } {AEMPIRICAL} {EMPIRICAL } [/PLOT=[STEMLEAF**] [BOXPLOT**] [NPPLOT]] [SPREADLEVEL(value)] [HISTOGRAM] [{ALL }] {NONE} [/STATISTICS=[DESCRIPTIVES**] [EXTREME({5})]] {n} [{ALL }] {NONE} [{/TOTAL }] {/NOTOTAL}. [/MISSING={LISTWISE**} [INCLUDE]] {REPORT } {PAIRWISE } **Default if the subcommand is omitted. 34
35 3.b. Explorative Datenanalyse (EXAMINE) - Metrische Daten - 35
36 Deskriptive Verarbeitete Statistik Fälle f057_c Merkel: glaubwuerdig f057_c Merkel: glaubwuerdig Fälle Standardf Gültig Fehlend Statistik Gesamt ehler Mittelwert 3,17,032 N Prozent N Prozent N Prozent 95% Konfidenzintervall Untergrenze 3,11 des 2430 Mittelwerts 95,7% Obergrenze 110 4,3% ,0% 3,24 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Schiefe: Wert 0 = symmetrische Verteilung Wert > 0 = rechtsschiefe Verteilung Wert < 0 = linksschiefe Verteilung 3,19 3,00 2,566 1, ,249,050 -,577,099 Kurtosis (Steilheit): Wert 0 = symmetrische Verteilung Wert > 0 = schmale (steile) Verteilung Wert < 0 = breite (flache) Verteilung 36
37 f057_c Merkel: glaubwuerdig Größte Werte Kleinste Werte Extremwerte Fallnummer Wert a b a. Nur eine partielle Liste von Fällen mit dem Wert 6 wird in der Tabelle der oberen Extremwerte angezeigt. b. Nur eine partielle Liste von Fällen mit dem Wert 0 wird in der Tabelle der unteren Extremwerte angezeigt. 37
38 f057_c Merkel: glaubwuerdig Größte Werte Kleinste Werte Extremwerte Fallnummer Wert Histogramm a b a. Nur eine partielle Liste von Fällen mit dem Wert 6 wird in der Tabelle der oberen Extremwerte angezeigt. b. Nur eine partielle Liste von Fällen mit dem Wert 0 wird in der 200,000 Tabelle der unteren Extremwerte angezeigt. Häufigkeit 600, ,000 0, Merkel: glaubwuerdig 5 6 Mittelwert =3,17 Std.-Abw. =1,602 N =2.429,738 Fälle gewichtet nach proportionales Personengewicht 38
Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 25. August 2009 25. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick: 1. Hilfsbefehl und Datentransformationsbefehl (EXECUTE und COMPUTE) 2. Möglichkeiten
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick Mehrfeldertabellen und Zusammenhangsmaße 1. Mehrfeldertabellen und Zusammenhangsmaße:
MehrUnivariate Kennwerte mit SPSS
Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 08.05.2009 08.05.2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Arbeitsschritte bei der Datenanalyse 2. Allgemeine Regeln bei den SPSS-Syntax-
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 8. Mai 2009 8. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Datentransformationsbefehle (III) 1.a. If 1.b. Count 2. Grafiken (II) 2.a.
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
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 25. August 2009 25. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Datentransformation (Befehle IF und COUNT) 2. Grafiken (Teil 2) Überblick: 2 Überblick:
MehrUE Statistik für PflegewissenschafterInnen I
UE Statistik für PflegewissenschafterInnen I 1 7 Analysieren Sie die Unterschiede in der Zufriedenheit mit dem Lebensstandard (H129) zwischen Personen, die als höchste abgeschlossene Ausbildung einen Pflichtschulabschluss
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
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrI.V. Methoden 2: Deskriptive Statistik WiSe 02/03
I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 Vorlesung am 04.11.2002 Figures won t lie, but liars will figure. General Charles H.Grosvenor Dr. Wolfgang Langer Institut für Soziologie Martin-Luther-Universität
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
MehrLÖSUNG 2C a. Bei HHEINK handelt es sich um eine metrische Variable.
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
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.
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 24. August 2009 24. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Arbeitsschritte bei der Datenanalyse 2. Datensatz kennenlernen, Variableninformationen
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
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
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
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
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrSPSS (20.0) Hilfe Version 1
SPSS (20.0) Hilfe Version 1 Statistik-UE SS 2015 Datenmanagement Informationen zur Syntax: Öffnen der Syntax: Datei Öffnen Syntax Eingabe z. B. COMPUTE bzw. wenn Sie einen Befehl in SPSS ausführen, drücken
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
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
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.
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
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
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrSkript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen
Skript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen Ziel: Charakterisierung der Verteilung einer Variablen. Je nach Variablentyp geschieht dies durch Häufigkeitsauszählung und Modus (Nominale
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
MehrTesten von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden
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
MehrInstitut für Soziologie Sabine Düval. Methoden 2. Grundlegende Stata-Bedienung und univariate Statistik
Institut für Soziologie Methoden 2 Grundlegende Stata-Bedienung und univariate Statistik Organisatorisches Kontakt Bitte kontaktieren Sie uns bei Fragen ausschließlich über die E-Mailadresse methoden2@soziologie.uni-muenchen.de
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 28. August 2009 28. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Korrelation vs. Regression 2. Ziel der Regressionsanalyse 3. Syntax für den
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
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrMathematische und statistische Methoden II
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 Persike
MehrMerkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum
1 Merkmalstypen Quantitativ: Geordnete Werte, Vielfache einer Einheit Stetig: Prinzipiell sind alle Zwischenwerte beobachtbar Beispiele: Gewicht, Größe, Blutdruck Diskret: Nicht alle Zwischenwerte sind
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
MehrI.3. Computergestützte Methoden 1. Deskriptive Statistik. Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010
I.3. Computergestützte Methoden 1. Deskriptive Statistik Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010 1 Seminarübersicht Nr. Thema 1 Deskriptive Statistik 1.1 Organisation und Darstellung von
Mehrberuflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrGrundsätzliches Ein erster Blick auf die Daten
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 3 Seite 1 Grundsätzliches Ein erster Blick auf die Daten Das vorliegende Online-Material soll
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrDeskriptive Statistik
Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Einführung in Datensatz Stichprobenbeschreibung
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrAngewandte Marktanalyse und Marktforschung
Angewandte Marktanalyse und Marktforschung #8 Datenaufbereitung und -kontrolle Tobias Berger M.A. Friedrich-Schiller-Universität Jena Fakultät für Sozial- und Verhaltenswissenschaften Institut für Sportwissenschaft
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
MehrEinführung in SPSS. Sitzung 5: Faktoranalyse und Mittelwertsvergleiche. Knut Wenzig. 22. Januar 2007
Sitzung 5: Faktoranalyse und Mittelwertsvergleiche 22. Januar 2007 Verschiedene Tests Anwendungsfall und Voraussetzungen Anwendungsfall Mehrere Variablen, die Gemeinsamkeiten haben, werden gebündelt. (Datenreduktion)
MehrÜbung Statistik I Statistik mit Stata SS Wiederholung und Probeklausur
Übung Statistik I Statistik mit Stata SS07 04.06.2007 7. Wiederholung und Probeklausur Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata -
MehrMethoden empirischer Sozial- und Wirtschaftsforschung
Dr. sc. Siassi HTW Berlin Januar 2017 Klausur Methoden empirischer Sozial- und Wirtschaftsforschung Aufgabe 1 40 Punkte Fallzusammenfassung Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent $Verkehrsmittel
MehrBOXPLOT 1. Begründung. Boxplot A B C
BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrLagemasse und Streuung
Lagemasse und Streuung Benjamin Schlegel 07. März 2016 Lagemasse sagen etwas über die Lage und das Zentrum der Daten aus, Streuungsmasse, wie die Daten um dieses Zentrum gestreut sind. Lagemasse Lagemasse
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrErste Datenbereinigung
Erste Datenbereinigung I. Datenbereinigung klassisch I. Schritt: Praktisch: Auf zwei PCs die Datei herunterladen. Auf dem einen PC wird die Häufigkeitsauszählung durchgeführt, auf dem anderen PC wird die
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
Mehra 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52
2 Häufigkeitsverteilungen 2.0 Grundbegriffe Ziel: Darstellung bzw. Beschreibung (Exploration) einer Variablen. Ausgangssituation: An n Einheiten ω 1,..., ω n sei das Merkmal X beobachtet worden. x 1 =
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
MehrN 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -
2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.
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
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
MehrÜbung 2 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-897 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 3, 8975 Ulm Tel. +49
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
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:
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis 2009-02-20 1 Grundlegende Befehle Zunächst laden wir den Datensatz (siehe auch Daten.pdf ) BBBClub R> load("bbbclub.rda") das den "data.frame" BBBClub
Mehr