Analytische Statistik II
|
|
- Edmund Raske
- vor 7 Jahren
- Abrufe
Transkript
1 Analytische Statistik II Institut für Geographie 1
2 Schätz- und Teststatistik 2
3 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben. Solche Ausnahmen sind z.b. Auswertung der amtlichen Gemeindestatistik der Gemeinden in Baden- Württemberg Auswertung der statistischen Kennziffern wirtschaftlichen Wachstums der Länder der Welt nach den Daten des Demographic Yearbook Daher: in der Regel Arbeit mit Stichproben, z.b. Befragung von 1050 Münsteranern zum demographischen Wandel 2008 Befragung von 1060 Touristen im Sauerland 1996 Eigentlich möchte man jedoch oft nicht nur über diese Stichprobe, d.h. über die befragten Personen Aussagen machen, sondern über alle, also über die Grundgesamtheit. Die statistische Methodik hat den Anspruch, nicht nur für die befragten Fälle zu sprechen, sondern in stärkerem Maße allgemeingültige Ergebnisse zu erzielen. 3
4 Es sind konkret vor allem zwei Problemstellungen, die dabei immer wieder vorkommen und bei denen die Statistik eine entscheidende Hilfestellung leisten kann: 1. Man will ausgehend von dem uns bekannten statistischen Kennwerten in der Stichprobe den nicht bekannten Parameter der Grundgesamtheit schätzen z.b. wollen wir von den Angaben von etwa 1000 Ausflüglern auf die Einstellung aller Touristen im Sauerland zurückschließen, z.b. auf deren Herkunftsgebiete, Urlaubsmotive etc.. D.h. wir möchten mit Hilfe der Zufallsstichprobe unbekannte Parameter der Grundgesamtheit schätzen. Ein solches Verfahren bezeichnet man als statistischen Induktionsschluß, den Teilbereich der Statistik, derie sich damit beschäftigt, dementsprechend als induktive Statistik (Schätzstatistik). 2. Man möchte testen, ob Unterschiede bei den gleichen Kennwerten verschiedener Stichproben wegen ihrer Geringfügigkeit als zufällig gelten müssen oder ob sie so groß sind, dass sie nicht zufällig sein können, d.h. dass sie im statistischen Sinne als signifikante Unterschiede angesehen werden müssen. Entsprechende Tests z.b. auf signifikante Unterschiede fallen in den Bereich der Teststatistik 4
5 Schätzstatistik 5
6 Fallbeispiel: Dauercamper am Biggesee N = 100 Durchschnittliche Anfahrtsentfernung = 60 km Standardabweichung = 10 km 6
7 Stichprobenfehler Im Falle einer Zufallsstichprobe gilt, das das arithmetische Mittel der Stichprobe ungefähr den wahren Wert in der Grundgesamtheit repräsentiert. Allerdings gibt es immer einen zufälligen Unterschied zwischen Grundgesamtheit und Stichprobe, selbst wenn letztere repräsentativ ist, d.h. einem Zufallsauswahlverfahren gefolgt ist. Claus und Ebner sagen dazu: Jedes Stichprobenergebnis ist bis zu einem gewissen Grade vom Zufall abhängig und dadurch mit einem Fehler behaftet. Es informiert über den entsprechenden Parameter der zuständigen Grundgesamtheit nur mehr oder weniger genau. Jede Zufallsstichprobe ist also mit einem sog. Stichprobenfehler ei behaftet. Darunter versteht man die Differenz zwischen dem statistischen Kennwert der Stichprobe und dem entsprechenden Parameter der Grundgesamtheit. 7
8 Wovon hängt die Größe des Stichprobenfehlers ab? a) von der Größe der Stichprobe b) von der Streuung des Merkmals in der Grundgesamtheit 8
9 Wovon hängt die Größe des Stichprobenfehlers ab? konkret: a) je größer die Stichprobe, desto kleiner wird der Stichprobenfehler (je kleiner die Stichprobe, desto größer der Stichprobenfehler)(indirekt proportionales Verhältnis) b) je größer die Streuung, desto größer der Stichprobenfehler (je kleiner die Streuung, desto kleiner der Stichprobenfehler)(direkt proportionales Verhältnis) Folge: Wenn man eine Stichprobe hat und kennt deren Mittelwert, kann man daraus nicht genau auf den exakten Mittelwert der Grundgesamtheit zurückschließen 9
10 Schätzung von Parametern mit Hilfe von Stichprobenbefunden Es gibt zwei Verfahren, mit Hilfe der statistischen Kennwerte von Stichproben auf die unbekannten Parameter der Grundgesamtheit zu schließen, ein empirisches und ein theoretisches. a) empirische Bestimmung, umständlich aber zunächst sehr einleuchtend b) rechnerische Bestimmung, relativ einfach auszurechnen, aber mathematisch für Laien etwas schwierig nachvollziehbar 10
11 a) empirische Bestimmung Man kann wiederholt (Zufalls-)Stichproben gleichen Umfangs aus der Grundgesamtheit ziehen und dabei jedesmal dieselben Merkmale messen (erfragen). Die Mittelwerte der verschiedenen Stichproben unterscheiden sich voneinander. Jede Stichprobe ist mit einem ihr eigen großen Stichprobenfehler behaftet. Diese Mittelwerte kann man auch graphisch darstellen. Sie bilden dann die sog. Stichprobenverteilung des arithmetischen Mittels dar. Diese Verteilung (d.h. die Verteilung der Mittelwerte der einzelnen Stichproben) besitzt ihrerseits wieder einen eigenen Mittelwert (xquerquer: der Mittelwert der einzelnen Mittelwerte), der den genauesten Schätzwert für den (unbekannten) Parameter der Grundgesamtheit darstellt. Dabei gilt: je dichter die Kennwerte der einzelnen Stichproben beieinander liegen, desto geringer ist ihre Streuung, desto zuverlässiger lässt sich mit ihrer Hilfe der unbekannte Parameter der Grundgesamtheit schätzen. Umgekehrt: Dabei gilt: Je größer die Streuung der Mittelwerte, desto größer die Standardabweichung, desto weniger exakt ist ein Rückschluß auf den entsprechenden Parameter in der Grundgesamtheit möglich. 11
12 Diese Beobachtungsergebnisse lassen sich auch graphisch darstellen: Zieht man unendlich viele Teilstichproben gleicher Größe und zeichnet deren Mittelwerte in einem Häufigkeitsdiagramm auf, so entsprechen Häufigkeit und Verteilung der Mittelwerte bei unendlich vielen solcher Stichproben am Ende einer mathematischen Normalverteilung Diese Normalverteilung besteht für statistische Kennwerte auch dann, wenn die Werte des gemessenen Merkmals in der Stichprobe selbst nicht normal verteilt sind Auf dem Gipfelpunkt dieser Normalverteilung befindet sich dann der wahre Mittelwert der Grundgesamtheit a) empirische Bestimmung 12
13 b) Mathematische Bestimmung durch Schätzung Will man nicht (unendlich) viele Stichproben ziehen, um den wahren Mittelwert der Grundgesamtheit zu ermitteln, sondern ihn aus einer Stichprobe ableiten, gelten folgende Denkschritte: Im Falle einer Zufallsstichprobe gilt, das das arithmetische Mittel der Stichprobe ungefähr den wahren Wert in der Grundgesamtheit repräsentiert. Allerdings ist aufgrund der Überlegungen zum Stichprobenfehler klar, dass er diesen nie genau trifft Aufgrund der Bedingungen unter der Normalverteilung kann aber mit 68prozentiger Wahrscheinlichkeit erwartet werden, dass die arithmetischen Mittelwerte weiterer Stichproben aus derselben Grundgesamtheit (und damit auch der wahre Wert der Grundgesamtheit) in einem Intervall liegen, das zwischen dem Mittelpunkt der entsprechenden Normalverteilung und ihren beiden Wendepunkten liegt Wie kommt man an die mathematische Bestimmung dieses Wendepunktes? -> Bestimmung des Standardfehlers 13
14 Mathematische Gesetze für die Normalverteilung Bei der Normalverteilung gilt (wie nicht näher abgeleitet werden soll): Der Gipfelpunkt ist der arithmetische Mittelwert der Verteilung Die Wendepunkte errechnen sich durch Subtraktion und Addition der Standardabweichung des Mittelwertes (Standardfehler) vom Mittelwert. Zwischen diesen beiden Wendepunkten liegen 68% der erwartbaren Werte. 14
15 15
16 Dabei gibt es eine Reihe interessanter Schwellenwerte, die alle in Beziehung zur Standardabweichung stehen. Es gilt im einzelnen: µ +/- 1 σ µ +/- 1,64 σ µ +/- 1,96 σ µ +/- 2 σ µ +/- 2,58 σ µ +/- 3 σ µ +/- 3,29 σ = 68% der Werte = 90% der Werte = 95% der Werte. = 95,45% der Werte = 99% der Werte = 99,73% der Werte = 99,9% der Werte Für die Berechnung von Schätzintervallen wird (bei Vorhandensein einer repräsentativen Zufallsstichprobe) das arithmetische Mittel sowie der Standardfehler zur Berechnung eingesetzt 16
17 Schätzen von Prozentwerten bei nicht metrisch skalierten Variablen (bzw. von Vertrauensintervallen für Prozentwerte) Die bisherigen Überlegungen bezogen sich auf quantitativ meßbare, also metrische Merkmale. Sie lassen sich natürlich vom Prinzip her auch auf nominal oder ordinal skalierte Merkmale anwenden. In diesem Falle müssen anstelle arithmetischer Mittelwerte Vertrauensintervalle für Schätzwerte ermittelt werden. Entsprechend kann man die für die Schätzung notwendigen Berechnungen nicht nach derselben Formel wie für metrisch skalierte Daten durchführen, sondern muss ein leicht abgewandeltes Verfahren anwenden, um den notwendigen Standardfehler (hier: den Standardfehler des Prozentwertes) Mit dessen Hilfe können dann im zweiten Schritt die Vertrauensintervalle bei einer bestimmten, vorgegebenen Irrtumswahrscheinlichkeit angegeben werden können. Dieses Verfahren läuft analog zur Schätzung von Mittelwerten. 17
18 18
19 σ ( p) p 100 p n s = p S p = Standardfehler des Prozentwertes p = prozentuale Häufigkeit des Merkmals in der Grundgesamtheit, (40% Antworthäufigkeit wird entsprechend zum Wert p 40) p = Komplementärwahrscheinlichkeit aller anderen Alternative(n) bei den genannten Antworten (bzw. Merkmalsausprägungen beim gemessenen Merkmal etc.) p + (100-p) ergeben demnach die Summe 100 Die Formel ist nicht anwendbar, wenn die Stichprobe sehr klein ist, und wenn p sehr nah bei 50% liegt (d.h. wenn die in der Befragung genannten Unterschiede zwischen p und seiner Alternative nicht-p ebenfalls sehr klein sind). Dies ist einsichtig, weil dann sowohl die Stichprobe wie Unterschiede in der Merkmalsausprägung so minimal sind, daß die Unterschiede mit größter Wahrscheinlichkeit zufällig sind. In diesem Falle kann die Formel keine aussagefähige Trennschärfe mehr erzielen. 19
Inferenzstatistik (=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
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
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.
MehrRingvorlesung Einführung in die Methoden der empirischen Sozialforschung II
Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrTEIL 13: DIE LINEARE REGRESSION
TEIL 13: DIE LINEARE REGRESSION Dozent: Dawid Bekalarczyk GLIEDERUNG Dozent: Dawid Bekalarczyk Lineare Regression Grundlagen Prognosen / Schätzungen Verbindung zwischen Prognose und Zusammenhang zwischen
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
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
MehrBivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154
Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch
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:
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
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
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
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,
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrInzidenz = Penetration: Welche Stichprobe ist realistisch?
Inzidenz = Penetration: Welche Stichprobe ist realistisch? Vor jeder Entscheidung für ein Stichprobenverfahren stellt sich die Frage: Findet man die Stichprobenmitglieder? Beispiel: Man sucht nach VerwenderInnen
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
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
MehrVon der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
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
MehrKonfidenzintervalle so einfach wie möglich erklärt
Konfidenzintervalle so einfach wie möglich erklärt Wolfgang Ludwig-Mayerhofer, Universität Siegen, FB 1, Fach Soziologie Das Problem SozialwissenschaftlerInnen erheben sehr oft Daten aus Stichproben. Es
MehrMultivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167
Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr4b. Wahrscheinlichkeit und Binomialverteilung
b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl
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
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
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs tatistik für Wirtschaftswissenschaften Lösungen UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Brückenkurs tatistik für Wirtschaftswissenschaften: Lösungen
MehrElisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie
Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 2003) besteht
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrLösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
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.
MehrBiostatistik, WS 2017/18 Der Standardfehler
1/70 Biostatistik, WS 2017/18 Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 24.11.2017 3/70 Ein Versuch Hirse Bild: Panicum miliaceum 4/70 Ein Versuch Ein Versuch Versuchsaufbau:
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
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
MehrWahrscheinlichkeit und die Normalverteilung. Jonathan Harrington
Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Bevölkerungs-Mittelwert 99 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrDie Korrelation von Merkmalen
Die Korrelation von Merkmalen In der Analse von Datenmaterial ist eines der Hauptziele der Statistik eine Abhängigkeit bzw. einen Zusammenhang zwischen Merkmalen zu erkennen. Die Korrelation ermittelt
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrStetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
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
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................
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
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
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
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
MehrMedizinische Statistik
Medizinische Statistik Angewandte Biometrie für Ärzte und Gesundheitsberufe Bearbeitet von Wilhelm Gaus, Rainer Muche 1. Auflage 2013. Buch. 640 S. Hardcover ISBN 978 3 7945 2931 5 Format (B x L): 16,5
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
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
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
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrStetige Wahrscheinlichkeitsverteilung
Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische
MehrDie richtige Wahl von Verteilungen
Die richtige Wahl von Verteilungen N. Schiering, ZMK GmbH Sachsen-Anhalt Agenda Einleitung Standardmessunsicherheiten Typ A und Typ B Normalverteilung Rechteckverteilung Dreieckverteilung Trapezverteilung
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrAuszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag
Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag Inhalt: 1.0 Das Simulationsmodell 1 1.1 Simulation ebenen Maßketten 6 1.1.1 Simulation mit nichtlinearen Gliedern 7 1.2 Fazit
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
Mehr1. Statistische Grundlagen: Überblick
1. Statistische Grundlagen: Überblick Stichwörter: Messprozess, Bias, Präzision, Grundgesamtheit, Stichprobe, Stichprobenrahmen, systematische Stichprobe, einfache Stichprobe, geschichtete Stichprobe,
MehrMeßprozeß, Meßfehler und Statistik
0- Meßprozeß, Meßfehler und Statistik Vorbereitung : Begriff der Wahrscheinlichkeit, statistische Verteilungen (Binomialverteilung, Poissonverteilung, Gaussverteilung), Meßfehler und Fehlerfortpflanzung.
MehrAnpassungstests 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
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
Mehr