Statistik und Wahrscheinlichkeitsrechnung
|
|
- Horst Scholz
- vor 7 Jahren
- Abrufe
Transkript
1 Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler
2 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung ist im Ingenieurwesen notwendig, um: Unsicherheiten im Zusammenhang mit Ingenieurmodellen zu quantifizieren. die Ergebnisse von Experimenten zu dokumentieren und zu bewerten. die Wichtigkeit von unsicheren Einflussgrössen beurteilen zu können. effiziente Entscheidungen treffen zu können
3 Aufbau der Vorlesung
4 Karten Warm up Was studieren Sie? Bauwesen Geodäsie Umwelt
5 Kleine Denkaufgabe Welchen Nutzen hat Statistik und Wahrscheinlichkeitsrechnung im Ingenieurwesen? Im Ingenieurwesen keinen nützt höchstens dem Verständnis von Wahlergebnissen. Ermöglicht Entscheidungsfindung bei aussergewöhnlichen Fragestellungen. Weiss nicht
6 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Im ersten Schritt werden wir die Daten nur beschreiben: numerisch Wahrscheinlichkeit h hk it Konsequenzen von Ereignissen von Ereignissen Risiken grafisch Entscheidungsfindung
7 Inhalte der heutigen Vorlesung Überblick der beschreibenden Statistik Numerische Zusammenfassungen Mit welchen einfachen Zahlen können Datenmengen charakterisiert werden? Grafische DarstellungvonDatenmengen Datenmengen Wie werden Datenmengen informativ in Grafiken umgesetzt?
8 Ziel der beschreibenden Statistik Beschreiben von Datenmengen
9 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Z.B.: Die Grundgesamtheit aller Studierenden, welche für Statistik und Wahrscheinlichkeitsrechnung eingeschrieben sind, ist m = 199. Stichprobe von letzter Woche, n =
10 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Z.B.: Biegezähigkeit von Büroklammern, m =. Stichprobe, n =
11 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Damit tdest die Stichprobe die degu Grundgesamtheit etrepräsentiert, e t, müssen die Stichproben zufällig aus der Grundgesamtheit entnommen werden
12 Vorbemerkung Skalenniveau Nominalskala: Qualitative Eigenschaften, welche nicht der Grösse nach sortiert werden können
13 Vorbemerkung Skalenniveau Ordinalskala: Qualitative Eigenschaften, welche der Grösse nach sortiert werden können über den Abstand zwischen den Eigenschaften lässt sich nichts aussagen. (Schulnoten, Ligatabelle) Intervallskala: Quantitative Eigenschaften, sortierbar, der Abstand zwischen zwei Werten lässt sich sachlich begründen. Nullpunkt willkürlich festgelegt. (Temperatur in C, Jahreszahlen) Verhältnisskala: Wie Intervallskala, aber mit absolutem Nullpunkt (Temperatur in Kelvin, Kli Festigkeit, it Körpergrösse) ö
14 Ziel der beschreibenden Statistik Beschreiben von Datenmengen Zahlen Grafiken Keine Annahmen nur Beschreibung!!
15 Datenbeschreibung Zusammenfassen zu nur einer Zahl Arithmetisches Mittel: 1 x = n x = n i= 1 Für einen Datensatz: ( ) 1 2 x i x, x,..., x n T Um eine Stichprobe nur mit Hilfe einer Zahl zu beschreiben, wird normalerweise der Stichproben Mittelwert verwendet
16 Datenbeschreibung Einfache graphische Darstellung von Stichproben Eindimensionales Streudiagramm: Guter Datenüberblick (Maximum, Minimum). Vorsicht bei diskret verteilten Daten!
17 Datenbeschreibung Einfache graphische Darstellung von Stichproben Eindimensionales Streudiagramm: Mittelwert = n 1 Der Stichprobenmittelwert x = x i entspricht dem Schwerpunkt Schwerpunkt der Daten. n i=
18 Datenbeschreibung Einfache graphische Darstellung von Stichproben Histogramm: Einteilung der Datenreihe inklassen Klassen. Darstellung der Grösse der Klassen. zb z.b. die Körpergrösse Klassen Anzahl 150 < x < x < x < x < x n =
19 Datenbeschreibung Einfache graphische Darstellung von Stichproben Histogramm: Klassen Anzahl 150 < x < x < x < x < x n =
20 Datenbeschreibung Neben dem Mittelwert gibt es noch andere sog. Lagemasse: Der Median oder Zentralwert x ist der mittlere Wert einer nach der Grösse geordneten Stichprobe o o o. x1 x2... x n x x n + 1 n ungerade 2 = 1 xn + xn n gerade Beispiele: [ ] [ ]
21 Datenbeschreibung Neben dem Mittelwert gibt es noch andere sog. Lagemasse: Der Median oder Zentralwert x ist der mittlere Wert einer nach der Grösse geordneten Stichprobe o o o. x1 x2... x n Median = Mittelwert =
22 Datenbeschreibung Neben dem Mittelwert gibt es noch andere sog. Lagemasse: Der Modus oder Modalwert ist der am häufigsten auftretende Wert bei kontinuierlichen Wertemengen u.a. aus Histogramm ersichtlich. Modus Median = Mittelwert =
23 Datenbeschreibung Streumasse Streuung um den Mittelwert Die Varianz der Stichprobe s = ( xi x ) n 2 1 n i= 1 2 Die Standardabweichung der Stichprobe n 1 s = ( x x) n i = 1 i 2 Der Variationskoeffizient der Stichprobe (relative Streuung) ν = s x
24 Datenbeschreibung Streumasse Streuung um den Mittelwert Varianz s = n 2 1 n i= 1 ( xi x ) 2 2 Standardabweichung s= ( x x) COV 1 n n i = 1 i ν = s x Beispiel x = [cm] x = 71.2 [kg] 2 2 = 2 2 s [cm ] s = [kg ] s = 7.85 [cm] s = 9.28 [kg] ν = 0.04 [-] ν = 0.13 [-]
25 Datenbeschreibung Streumasse Streuung um den Mittelwert Der Schiefekoeffizient der Stichprobe > Mass für die Asymmetrie η = 1 n n i= 1 ( x i s 3 x ) 3 Beispiel η = 0.36 η = 0.1 Linksschief Rechtsschief
26 Datenbeschreibung Streumasse Streuung um den Mittelwert Kurtosis der Stichprobe: ( xi 1 i= 1 > Mass für die Wölbung κ = 4 n s Beispiel n x ) 4 κ = 3.05 κ =
27 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften x = (,,,..., ) x 1, x 2, x 3,, x n T y = y, y, y,..., y n ( ) T
28 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Das zweidimensionale Streudiagramm
29 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Das zweidimensionale Streudiagramm
30 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Die Kovarianz: n 1 s = ( x x) ( y y) XY i i n i = 1 x Körpergrösse x = cm y Gewicht y = 71.2 kg
31 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Die Kovarianz: n 1 s = ( x x) ( y y) = 50.8 XY i i n i = 1 x Körpergrösse x = cm y Gewicht y = 71.2 kg
32 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Die Kovarianz: n 1 s = ( x x) ( y y) XY i i n i = 1 Der Korrelationskoeffizient: r XY = 1 n n i=1 ( x i x ) ( s X s Y y i y ) ist limitiert auf das Interval [ 1,1]
33 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Der Korrelationskoeffizient: r XY n ( xi x ) ( yi y ) 1 i= 1 = = n s s X Y x Körpergrösse x = cm y Gewicht y = 71.2 kg
34 Nummerische Zusammenfassungen Mittelwerte: Arithmetisches Mittel: Median: Modalwert: Streuungsmasse: Varianz / Standardabweichung: Variationskoeffizient : Schwerpunkt der Stichprobe mittlerer Wert einer Stichprobe am häufigsten vorkommender Wert Verteilung um den Mittelwert Variabilität relativ zum Mittelwert Andere Masse: Schiefekoeffizient: Schiefe relativ zum Mittelwert Kurtosis: Wölbung um den Mittelwert Masse für Korrelation: Kovarianz: Tendenz für paarweise beobachtete Eigenschaften Korrelationskoeffizient : Normalisierter Koeffizient zwischen 1 und
35 Weitere graphische Darstellungsformen HistogrammTeil II Quantile Plots TukeyBoxplots
36 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössenklassen Auftragen der Häufigkeit je Klasse Beispiel: Ihre Büroklammerdaten vom letzten Mal grosse Klammern, Stichprobenumfang n = 190, Maximalwert t132, Minimalwert i 6. Einteilung in 14 Klassen; (0,10]; ];(10,20]; (20,30]; ; (130,140]
37 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössenklassen Auftragen der Häufigkeit je Klasse Beispiel: Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern Aussage abhängig von der Anzahl Klassen!!!!
38 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössenklassen Auftragen der Häufigkeit je Klasse Faustregel für die Anzahl Klassen: k= log( n) Beispiel: Büroklammerdaten grosse Klammern, Stichprobenumfang n = 190, Wertebereich [6, 132] k = log ( 190) = Klassen (0,15]; (15,30]; (30,45]; ; (120,135] oder (5,19]; (19,33]; (36,50]; ; (117,131]?
39 Histogramm Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern
40 Histogramm Die Form des Histogramms hängt ab von der Anzahl Klassen. der Wahl des Startpunktes. Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern
41 Histogramm Bisher betrachteten wir die absolute Häufigkeit. Inder Regel wird die Häufigkeit relativ, also normiert betrachtet. Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern
42 Histogramm Eine Spielart des Histogramms ist das kumulative Häufigkeits diagramm. Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern
43 Histogramm Eine Spielart des Histogramms ist das kumulative Häufigkeits diagramm. Hier kann die Klasseneinteilung beliebig klein sein! Anzahl Biegungen gr. Klammern Anzahl Biegungen gr. Klammern
44 Weitere graphische Darstellungsformen Histogramm Teil II. Quantile Plots TukeyBoxplots
45 Quantil Plot Definition : DieQ Q Quantile Quantile korrespondiert mitdem Wert der Stichprobe, welcher mit dem Wert 100% Q x 100% überschritten wird. Dh D.h. zum Beispiel: das 075 Quantil 0.75 Quantil wird von 100% 0.75 x 100% = 25% der Daten überschritten. DieQuantilewerden vonder geordneten Stichprobe berechnet: x o 1 x o 2... x o n Q i i = 1 +n
46 Quantil Plot Quantile Plots werden durch Auftragen der Daten und dem Quantilwert gebildet. Anzahl Biegungen gr. Klammern
47 Quantil Plot Quantile Plots werden durch Auftragen der Daten und dem Quantilwert gebildet. oberes Quartil = 75% Quantil unteres Quartil = 25% Quantil Anzahl Biegungen gr. Klammern
48 Quantil Plot Quantile Plots werden durch Auftragen der Daten und dem Quantilwert gebildet. oberes Quartil = 75% Quantil Und was ist das?? unteres Quartil = 25% Quantil Anzahl Biegungen gr. Klammern Median Mittelwert e Weiss nicht
49 Tukey Boxplot Der Tukey Boxplot illustriert: Median untere und obere Quartilwerte Streubreite Ausreisser
50 Tukey Boxplot Ausreisser grösster verbundener Wert grösster Wert kleiner als oberes Quartil + 15* 1.5 r r oberes Quartil = 75% Quantil Median = 50% Quantil unteres Quartil = 25% Quantil r = interquartiler Bereich (50% der Werte) kleinster verbundener Wert kleinster Wert grösser als unteres Quartil 1.5 * r
51 Tukey Boxplot Klammern biegungen Durch grosse Klammern kleine Klammern
52 Tukey Boxplot 200 Körpergrösse Körp pergrösse Alle Männer Frauen
53 Q Q Plots Q Q plots dienen zur Darstellung und Vergleich von 2 Datenreihen. Datenpunkte der beiden Datenreihen mit demselben Quantilwert werden aufgetragen
54 Mittel über Differenz Plots Mittel über Differenz Plots dienen zur Darstellung und dem Vergleich vonzwei Datenreihen. Das Mittel ( yi + xi)/2 wird über die Differenz yi x i aufgetragen
55 Zusammenfassung Graphische Darstellung Ein dimensionales Streudiagramm Zwei dimensionales Streudiagramm Histogramm Quantile Plot Tukey Boxplot Q Q Plot Mittel über Differenz Plot Veranschaulicht den Bereich und die Verteilung von Datenreihen entlang einer Achse, und zeigt Symmetrie. Veranschaulicht den paarweisen Zusammenhang von Daten. Stellt die Verteilung von Daten über einem Bereich von Datenreihen dar, zeigt Modalwert und Symmetrie. Stellt Median, Verteilung und Symmetrie dar. Stellt Median, obere/untere Quartile, Symmetrie und Verteilung dar. Vergleicht zwei Datenreihen, relatives Bild. Vergleichtzwei Datenreihen, relativesbild Bild
Statistik 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
MehrStatistik und Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Im ersten Schritt werden wir die Daten nur beschreiben:
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation
MehrDeskriptive Statistik. (basierend auf Slides von Lukas Meier)
Deskriptive Statistik (basierend auf Slides von Lukas Meier) Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst
MehrDeskription, 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
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
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
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
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
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:
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
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
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
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
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
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
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
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
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrLösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:
Testen und Fördern Name: Klasse: Datum: 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 45, 39, 44, 48, 42, 39,
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.
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
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrÜ B U N G S S K R I P T S T A T I S T I K
Ü B U N G S S K R I P T S T A T I S T I K A. Ploner H. Strelec C. Yassouridis Universität für Bodenkultur Department für Raum, Landschaft und Infrastruktur Institut für Angewandte Statistik & EDV Peter-Jordan-Strasse
MehrGrundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik
Grundlagen der Schulmathematik h Rückblick Sommersemester 2009 Dr. K. Krüger Grundwissen Mathematik (DGS) Folie aus der 1. Vorlesung Inhalte 1. Beschreibende Statistik Mauna Loa Co2 1200 Streudiagramm
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
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc
SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung
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
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2008 Stichproben Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
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
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrHäufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative
MehrAngewandte Statistik 1
Angewandte Statistik 1 Beschreibende und Explorative Statistik - Wahrscheinlichkeitsrechnung - Zufallsvariablen und Statistische Maßzahlen -Wichtige Verteilungen - Beurteilende Statistik -Vertrauensintervalle
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
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
MehrStatistik... formeln für Dummies
Timm Si99 Statistik... formeln für Dummies Fachkorrektur tlon Christoph Maas und Joachim Gaukel WILEY WILEY-VCH Verlag GmbH & Co. KGaA lnhaftsllerzeichnis Einleitun9 17 Teil I Formeln aus der beschreibenden
MehrBio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen
Bio- Statistik 1 Beschreibende und explorative Statistik - Wahrscheinlichkeitsrechnung und Zufallsvariablen - Statistische Maßzahlen - Wichtige Verteilungen - Beurteilende Statistik - Vertrauensintervalle
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
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
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
MehrDr. Reinhard Vonthein, Dipl. Statistiker (Univ.)
Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein
MehrDie mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen.
Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. 1 Einleitung...1 1.1 Die Bedeutung der Statistik für die Medizin...1 1.2 Die medizinische
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
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
MehrUniv.-Prof. Dr. Georg Wydra
Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4
MehrStatistik. Rainer Hauser. Dezember 2012
Statistik Rainer Hauser Dezember 2012 1 Einleitung 1.1 Population und Merkmale Gegeben ist eine Population (oder Grundgesamtheit), und die Frage ist, welche Elemente dieser Population ein bestimmtes Merkmal
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
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
MehrUwe Hassler. Statistik im. Bachelor-Studium. Eine Einführung. für Wirtschaftswissenschaftler. ^ Springer Gabler
Uwe Hassler Statistik im Bachelor-Studium Eine Einführung für Wirtschaftswissenschaftler ^ Springer Gabler 1 Einführung 1 2 Beschreibende Methoden univariater Datenanalyse 5 2.1 Grundbegriffe 5 2.2 Häufigkeitsverteilungen
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrBeschreibende Statistik
Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
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
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen
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
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
MehrStatistik Skalen (Gurtner 2004)
Statistik Skalen (Gurtner 2004) Nominalskala: Daten haben nur Namen(Nomen) und (eigentlich) keinen Zahlenwert Es kann nur der Modus ( ofteste Wert) berechnet werden Beispiel 1: Die Befragung von 48 Personen
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 08.04.2008 Der zentrale Grenzwertsatz Normalverteilung Die Wahrscheinlichkeitsdichteverteilung der Summe von Zufalls variablen konvergiert zu
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
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
Mehr1 Einleitung und Grundlagen 1
Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige
MehrStatistik für Betriebswirte I 1. Klausur Wintersemester 2014/
Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
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
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
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,
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
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
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten von Prof. Dr. Rainer Schlittgen Universität Hamburg 12., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis 1 Statistische Daten
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
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,
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 14.04.2016 1 Daniel Stekhoven 14.04.2016 2 Überblick Lernziele Erledigt! Grundlagen Wahrscheinlichkeitsmodell
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 1: Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 12., vollständig überarbeitete Auflage nwb STUDIUM Inhaltsverzeichnis
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
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
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrTutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016
Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016 1. Daten erfassen 1. Aufgabe: Würfeln Sie 30-mal mit einem regelmäßigen Oktaeder und dokumentieren
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
Mehr