benötigt werden, wird es zu Exkursionen kommen. Falls ein Begriff neu oder fremd ist, bitte nachfragen.

Save this PDF as:

Größe: px
Ab Seite anzeigen:

Download "benötigt werden, wird es zu Exkursionen kommen. Falls ein Begriff neu oder fremd ist, bitte nachfragen."

Transkript

1 Fehler- und Ausgleichsrechnung (basierend auf Abschnitt IV. von Papula; Bd.3 ) Da Begriffe und Formeln aus der Statistik Wahrscheinlichkeitslehre Kombinatorik Stochastik benötigt werden, wird es zu Exkursionen kommen. Falls ein Begriff neu oder fremd ist, bitte nachfragen. 1

2 Messfehler = Messungenauigkeit Es hat sich seit Jahrhunderten eingebürgert, nicht Ungenauigkeit, sondern Fehler zu sagen, nicht Messungenauigkeit, sondern Messfehler, nicht Ungenauigkeitstheorie, sondern Fehlertheorie. Mit dem Wort 'Fehler' verbindet man ja eigentlich Begriffe wie Irrtum, Versehen das ist aber nicht gemeint, wenn man vom Messfehler spricht (= Messungenauigkeit). Die Angabe des Messfehlers bedeutet nicht, etwas sei falsch gemacht worden; sie liefert vielmehr ein notwendiges Maß für die Genauigkeit und Zuverlässigkeit der Messung. ( Insbesondere hat die Fehlerrechnung nicht den Sinn, am Schreibtisch, d.h. ohne Wiederholung der Messung, "falsche" Messwerte zu "richtigen" zu machen. ) 2

3 In der DIN NORM 1319 (Teil 3) wird empfohlen, die Bezeichnung Fehler durch Messabweichung zu ersetzen. Fehlerrechnung Messabweichungsrechnung Fehlerfortpflanzung Messabweichungsfortpflanzung. 3

4 Fehler- und Ausgleichsrechnung Die wahren Werte und tatsächlichen Fehler Bei einer sich wiederholenden Messung einer Größe X erhält man Messwerte x i ( i = 1,., n ), die stets mit einem kleinen Fehler Δx versehen sind. Wenn wir den wahren Wert von x als x w kennzeichnen, würde x i - x w = Δx iw den wahren Fehler beschreiben. In der Praxis bleiben wahren Werte und Fehler x w und Δx iw meistens unbekannt und müssen mit den zur Verfügung stehenden Daten abgeschätzt werden. 4

5 Fehler- und Ausgleichsrechnung 1. Fehlerarten a. Grobe Fehler entstehen durch fehlerhaftes Verhalten des Bearbeiters, Beobachters und sind somit stets vermeidbar. ( aus der Sicht der Mathematik ). Beispiele: Ablesefehler Benutzung defekter Messgeräte Notierung von falschen Werten 5

6 Messfehler, Fehlerberechnung und Fehlerabschätzung b. Systematische Fehler Systematische Fehler nennt man solche Fehleranteile, welche bei Wiederholung einer Messung unter identischen Messbedingungen einen konstanten Wert besitzen, d.h. jedes Mal in gleicher Größe und mit gleichem Vorzeichen auftreten. Daraus folgt, dass systematische Fehler durch Wiederholung der Einzelmessungen weder erkannt noch eliminiert werden können. Folgende Arten systematischer Fehler sind bei der Durchführung physikalisch-chemischer Messungen zu berücksichtigen: 6

7 Vernachlässigung von Umwelteinflüssen: Auftrieb der Luft bei Wägungen, Abweichung der Kalibrier- von der Messtemperatur... Unvollkommenheit der Messgeräte: Eigenverbrauch elektrischer Messinstrumente, Nichtlinearität, Kalibrierfehler, altersbedingte Änderungen des Messgerätes,... Unzulänglichkeiten von Seiten des Experimentators: Ungenügendes theoretisches Verständnis des Messvorganges, mangelnde Objektivität den eigenen Messungen gegenüber, regelmäßige Parallaxe beim Ablesen von Zeigerinstrumenten,... 7

8 Zur Entdeckung systematischer Fehler ist es häufig nützlich, die Messbedingungen zu verändern, wobei auch diejenigen Parameter variiert werden sollten, die aufgrund der Theorie des Messvorganges keinen Einfluss auf die unbekannte Messgröße haben sollten. Noch wirkungsvoller wäre es, die Messmethode oder das Messprinzip völlig zu ändern. Eine Korrektur erkannter systematischer Fehler ist nicht immer mit einem vertretbaren Aufwand durch Verbesserung der Messmethodik zu erreichen. Oft ist es jedoch möglich, ihren Einfluss auf das Ergebnis durch eine, meist nachträglich durchgeführte Korrektur zu eliminieren. 8

9 Beispiele: Systematische Kennlinienfehler (bei linearer Funktion) Quelle: TU Dresden (ff) 9

10 10

11 c. Zufällige (oder statistische) Fehler Auch bei größtem Bemühen um eine exakte Wiederholung von Messungen stellt man fest, dass die numerischen Resultate in einem gewissen Streubereich liegen und die Abweichungen nach Betrag und Vorzeichen zufallsbedingt schwanken. Die gemessenen Werte sind in der Regel statistisch um einen Mittelwert herum verteilt. Diese statistisch schwankenden Messfehler nennt man zufällige Fehler, sie unterliegen den Gesetzen der Wahrscheinlichkeitsrechnung. 11

12 Teilgebiete der Statistik Deskriptive Statistik - Sammeln, Ordnen und Auswertung von Daten - Beschreibung und übersichtliche Darstellung von Daten - Ermittlung von Kenngrößen - Datenvalidierung ( Fehler, Trends, Häufungen, etc ) (Beschreibung = Deskription) Explorative Statistik - Weiterführung und Verfeinerung der deskriptiven Statistik - Suche nach Strukturen, Mustern und Besonderheiten Induktive Statistik - Mithilfe der Wahrscheinlichkeitsrechnung über die erhobenen Daten allgemeine Schlussfolgerungen ziehen, d.h. Verallgemeinerungen und Hochrechnungen. ( induktive = schließende = beurteilende ) 12

13 2.1 Grundbegriffe 2.2 Stichproben 2.3 Fehler, Ausreißer und fehlende Werte 2.4 Merkmale 2.5 Definition: Urliste, relative und absolute Häufigkeit 2.6 Tabellarische und graphische Darstellung: Häufigkeit 2.7 Klasseneinteilung (Klassierung) 2.8 Regeln für die Wahl von Klassen 2.9 Maßzahlen einer eindimensionalen Stichprobe (Lage und Streuung) 2.10 Lagemaße 2.11 Streuungsmaße 13

14 2.1 Grundbegriffe Grundgesamtheit: Alle Objekte, über die man eine Aussage gewinnen will, die man aber eventuell nicht vollständig erfassen kann. Stichprobe: Eine Teilmenge der Grundgesamtheit, die tatsächlich befragt wurden. Stichprobenumfang: Die Anzahl n der Objekte der Stichprobe heißt Stichprobenumfang. 14

15 2.2 Stichproben Methoden zur Durchführung von Stichprobenuntersuchungen Zufallsstichprobe Systematische Auswahl: objektives Kriterium Schichtenstichprobe Klumpenstichprobe Quotenstichprobe Repräsentative Stichprobe 15

16 2.3 Fehler, Ausreißer und fehlende Werte Behandlung von Datenausreißer Ausreißer Extremwert innerhalb einer Stichprobe, der nicht stimmen kann Ausreißer identifizieren Überprüfen und ggf. Korrigieren Datensatz streichen fehlerhafte Daten abändern ( z.b. Mittelwert einsetzen ) Datensatz beibehalten (Extremwert kommentieren) Unmögliche oder unplausible Werte Behandlung wie Ausreißer Fehler Behandlung wie Ausreißer, aber nie beibehalten! 16

17 2.4 Merkmale Klassifizierung von Merkmalen - qualitatives Merkmal, wenn seine Ausprägungen eine Qualität wiedergeben ( und nicht ein Ausmaß). Nominalskalierte Merkmale sind qualitativ und i.a. ordinal-skalierte Merkmale. - quantitatives Merkmal, wenn seine Ausprägungen ein Ausmaß bzw. eine Intensität widerspiegeln. Daher sind metrische Merkmale immer quantitativ ( messbar ). - Diskret, wenn es endlich viele oder abzählbar unendlich viele Ausprägungen hat (z.b. Geschlecht, Zähldaten, Freunde bei facebook ) - Stetig, wenn es alle Werte in einem reellen Intervall als Ausprägungen annehmen kann (z.b. Körpergröße). 17

18 2.4 Merkmale Nominalskala Keine Möglichkeit zur Bildung einer Rangordnung (z.b. Haarfarbe, Religion, Geschlecht) Qualitativ Art des Merkmals Ordinalskala Natürliche Rangfolge, die Abstände zwischen den Ausprägungen sind nicht quantifizierbar (z.b. Schulnoten, Qualitätsstufen, Dienstränge) Quantitativ Intervallskala Merkmale in Zahlen, aber kein natürlicher Nullpunkt (Jahreszahlen, Breitengrade) Intervallskala natürlicher Nullpunkt (Alter, Größe, Einkommen) Absolutskala Einheit ist maßstabsunabhängig (Stückzahlen, Kinderzahl) 18

19 2.5 Definition: Urliste, relative und absolute Häufigkeit Beispiel: Lieferzeiten eines Lieferanten in Tagen 19

20 2.5 Definition: Urliste, relative und absolute Häufigkeit Hat man eine Stichprobe vom Umfang n erhoben, so kann man die gemessenen Merkmalsausprägungen ungeordnet aufschreiben. Die so entstandene Liste nennt man Urliste. Listet man alle Merkmalsausprägungen auf, dann heißt die n Anzahl H i = i=1 1 {x i = a k } die absolute Häufigkeit der Ausprägung a k und h i = 1 H n i die relative Häufigkeit der Ausprägung a k. 20

21 2.5 Definition: Urliste, relative und absolute Häufigkeit Hat man eine Stichprobe vom Umfang n erhoben, so kann man die gemessenen Merkmalsausprägungen ungeordnet aufschreiben. Die so entstandene Liste nennt man Urliste. Listet man alle Merkmalsausprägungen auf, dann heißt die n Anzahl H i = i=1 1 {x i = a k } die absolute Häufigkeit der Ausprägung a k und h i = 1 H n i die relative Häufigkeit der Ausprägung a k. Tage H i h i 2% 2% 4% 24% 34% 19% 16% 21

22 2.5 Definition: Urliste, relative und absolute Häufigkeit Häufigkeitsverteilung einer Stichprobe Stichprobenwerte werden ihrer Größe nach geordnet und dann wird festgestellt, wie oft jeder Wert vorkommt. Ist der Stichprobenwert a k genau n k -mal in der Stichprobe enthalten, so heißt diese Zahl absolute Häufigkeit H(a k ) des Stichprobenwertes a k ( k = 1,, l ; l < n ). Dividiert man die absolute Häufigkeit durch die Anzahl n der Stichprobenwerte, so erhält man die relative Häufigkeit h i (x i ) = 1 n H(x i), wobei gilt k 0 < h i < 1 und i=1 h i = h 1 + h 2 + h k = 1. Die relative Häufigkeit wird auch als empirische Dichte bezeichnet. 22

23 2.6 Darstellung von Häufigkeiten Nominale und ordinale Merkmale kann man als Tabellen oder / und als Balkendiagramme darstellen. Die Höhe des Balken entspricht der absoluten oder relativen Häufigkeit der entsprechenden Ausprägung. blond braun schwarz sonstige ,91% 38,35% 29,98% 10,77% % % % 30% 25% 20% 15% 10% 50 5% 0 blond braun schwarz sonstige 0% blond braun schwarz sonstige 23

24 2.6 Darstellung von Häufigkeiten Die Darstellung als Tortendiagramm ist besonders bei nominalen Merkmalen sinnvoll (z.b. Parteien im Parlament). blond braun schwarz sonstige ,91% 38,35% 29,98% 10,77% blond braun schwarz sonstige

25 2.7 Klasseneinteilung Beispiel: Lebensdauer eines Ersatzteils: Stunden

26 2.7 Klasseneinteilung ( auch Klassierung genannt ) Definition: Ist h die empirische Dichte eines Merkmals X und ist K 1, K 2,, K n eine Partition des Wertebereichs von X, so ist die relative Klassenhäufigkeit h j gegeben durch h j = i x i K j } für 1 j n n 26

27 2.7 Klasseneinteilung Flächenregel: Bei der Darstellung der Häufigkeiten mittels Klassen sind keine festen Balkenbreiten vorgeschrieben, so dass die Fläche zählt und nicht die Höhe des Balken. A B C D E F A B C D E F Die Häufigkeit von D ist in beiden Fällen rechts und links gleich. 27

28 2.8 Regeln für die Wahl von Klassen Sei x 1,, x n eine Stichprobe vom Umfang n. Bei der Klassifizierung in k Klassen müssen folgende Regeln ( besser Tipps ) beachtet werden: Anzahl der Klassen: k n für n 400 Wählen Sie die Klassengrenzen (möglichst) äquidistant Bestimmen Sie die Höhe der Histogramm-Rechtecke proportional zur Klassenhäufigkeit Bilden Sie bei n = 100 mindestens k = 10, bei n 1000 k = 13 und k = 16 bei n (ex-din , Blatt 1) Jeder Stichprobenwert muss eindeutig zu einer Klasse gehören (Klassengrenzen!) Klassen müssen nicht gleich breit sein (Flächenregel! ). 28

29 2.9 Maßzahlen ( Lage und Streuung ) Verteilungen können verschiedene Formen zeigen: symmetrisch, U-förmig, gleichverteilt, links-/rechts-teilig, schief, bimodal, usw. Grafik: q-das 29

30 2.9 Maßzahlen ( Lage und Streuung ) Statistische Maßzahlen Mittelwerte Darstellung der zentralen Tendenz einer Beobachtungsreihe Streuungsmaße Angabe der Streuung der Einzelwerte um ihren Mittelwert Mittelwerte können unterschieden werden in lagetypische Mittelwerte und in rechnerische Mittelwerte. 30

31 2.10 Lagemaße Definition: Modalwert x mod Die Ausprägung x i einer Stichprobe eines Merkmals X, die die größte absolute Häufigkeit aufweist, heißt Modalwert x mod. Definition: Median x med ( = x ) Der Median oder Zentralwert der Stichprobe ist die Zahl x med, für die 50% aller Stichprobenwerte kleiner oder gleich und mindestens 50% größer oder gleich x med sind. Beispiel: Für {x i } = { 4, 1, 37, 2, 1 } ist x med = 2 31

32 2.10 Lagemaße Definition: arithmetisches Mittel x arith Das arithmetische Mittel einer Stichprobe mit n Werten ist gegeben durch x arith = 1 n Üblicherweise gilt x = x arith. n i=1 x i. Definition: geometrisches Mittel x geom Das geometrische Mittel einer Stichprobe mit n Werten ist gegeben durch x geom = n n i=1 x i. Beispiel: Bakterienpopulation {x i } = { 2, 8 } ist x geom = 4 32

33 2.10 Lagemaße Definition: harmonisches Mittel x harm Das harmonische Mittel x harm einer Stichprobe mit n Werten ist gegeben durch x harm = 1 n n i=1 1 x i 1 33

34 2.11 Streuungsmaße Definition: Spannbreite ( engl. Range ) Die Spannbreite einer Stichprobe ist die Differenz zwischen dem größten und dem kleinsten Stichprobenwert. Range = MAXIMUM ( x i ) MINIMUM ( x i ) Definition: mittlerer Fehler m Der mittlere Fehler m einer Stichprobe ist m = Definition: mittlerer Fehler m 2 1 n n i=1 (x i x ) 2 Der mittlere (wahre) Fehler m einer Stichprobe ist m = 2 1 n n i=1 x i x w 2 34

35 2.11 Streuungsmaße Definition: Varianz Die Varianz einer Stichprobe ist s² = 1 n 1 n i=1 (x i x ) 2. Definition: Standardabweichung 2 Die positive Wurzel s = s 2 Stichprobe. s = 2 1 n 1 heißt Standardabweichung der n i=1 (x i x ) 2 35

36 2.11 Streuungsmaße Satz: Sind die Werte x i einer Stichprobe mit n Werten, x das arithmetische Mittel und s die Standardabweichung, dann liegen alle Stichproben im Intervall x - n 1 s; x + n 1 s x - n n 1 n i=1 (x i x ) 2 ; x + n n 1 n i=1 (x i x ) 2 x - 2 n i=1 (x i x ) 2 2 n i=1 ; x + (x i x ) 2 36

37 2.11 Streuungsmaße Definition: Quantile und Quartile Sei x 1,, x n eine geordnete Stichprobe und sei 0 < p < 1, dann heißt x np +1 falls np N x p = 1 x np + x np+1 falls np N das p-quantil. 2 k bezeichnet den ganzzahligen Anteil einer Zahl, d.h. die Stellen nach dem Komma werden abgeschnitten. Beispiele : k = k für k N ; π = 3. Der Median x entspricht dem 0,5-Quantil, d.h. x = x 0,50. Die Quantile x (= x 0,50 ), x 0,25 und x 0,75 heißen Quartile. 37

38 2.11 Streuungsmaße Boxplot Ein Boxplot stellt den Median x, die Quartile x 0,25 und x 0,75 und die Spannweite x max - x min in einer Graphik dar. Der Abstand zwischen oberem und unterem Quartil x 0,75 - x 0,25 heißt Quartilsabstand (interquartile range). Der Boxplot (auch Box-Whisker-Plot oder deutsch Kastengrafik) stellt graphisch die Verteilung wichtiger Daten dar. Er fasst dabei verschiedene robuste Streuungs- und Lagemaße in einer Darstellung zusammen. Ein Boxplot soll schnell einen Eindruck darüber vermitteln, in welchem Bereich die Daten liegen und wie sie sich über diesen Bereich verteilen. 38

39 2.11 Streuungsmaße Boxplot 39

40 2.11 Streuungsmaße Boxplot 40

41 3. Fehlerfortpflanzung 3.1 maximaler Absolutfehler Wir betrachten die Größe Z, die durch zwei direkt messbare Größen X und Y bestimmt werden kann: z = f(x,y). Wie wirkt sich bei einer einmaligen Messung von x und y ein Fehler in x und y auf z aus? Δx = x i - x ; Δy = y k - y ; Δz = z ik - z z ik = f ( x i ; y k ) Taylor-Reihenentwicklung um x und y " z ik = f ( x +Δx, y+δy ) = z ik = f ( x, y ) + f x (x,y) Δx + f y (x,y) Δy Da f ( x, y ) = z ist, folgt Δz = z ik - z = f x (x,y) Δx + f y (x,y) Δy 41

42 3. Fehlerfortpflanzung 3.1 maximaler Absolutfehler Δz = z ik - z = f x (x,y) Δx + f y (x,y) Δy Um zu sehen, wie sich bei einer Einzelmessung von x und y ein Fehler Δx in x und Δy in y auf z = f(x,y) auswirkt, muss man den Fehler Δx mit der partiellen Ableitung von f nach x und den Fehler Δy mit der partiellen Ableitung von f nach y multiplizieren und die Produkte addieren. Da die Vorzeichen verschieden sein können, können sich die Fehler teilweise oder völlig kompensieren. Daher fragt man nach dem maximal möglichen Fehler und definiert den maximalen und relativen Absolutfehler Δz und Δz z. Δz = z ik - z f x (x,y) Δx + f y (x,y) Δy Δz z f x(x,y) Δx z + f y(x,y) Δy z 42

43 3. Fehlerfortpflanzung 3.2 Gaußsches Fehlerfortpflanzungsgesetz Δz = z ik - z = f x (x,y) Δx + f y (x,y) Δy Um die mögliche Kompensation von Fehlern mit verschiedenen Vorzeichen zu verhindern, können beide Seiten der Gleichung quadriert werden. (Δz i ) 2 = (f x (x,y) Δx i + f y (x,y) Δy i ) 2 (Δz i ) 2 = ( f 2 x (x,y) Δx i 2 + 2f x f y Δx i Δy i + f 2 y (x,y) Δy i 2 ) (Δz i ) 2 = ( f 2 x (x,y) Δx i f 2 y (x,y) Δy i 2 ) (Δz i ) 2 = f 2 x (x,y) Δx i 2 + f 2 y (x,y) Δy i 2 (Δz i ) 2 = f 2 x (x,y) Δx i 2 + f 2 y (x,y) Δy i 2 43

44 3. Fehlerfortpflanzung 3.2 Gaußsches Fehlerfortpflanzungsgesetz Δz = z ik - z = f x (x,y) Δx + f y (x,y) Δy Varianz von z : s² z = 1 n 1 n i=1 (z i z ) 2 = 1 n 1 (Δz i ) 2 s² z = f 2 x (x,y) Δx i n 1 f2 y (x,y) Δy i 2 s² z = f 2 x (x,y) s² x + f 2 y (x,y) s² y 1 n 1 s² z = f x (x,y) s x 2 + f y (x,y) s y 2 Gaußsches Varianzfortpflanzungsgesetz 44

45 3. Fehlerfortpflanzung 3.2 Gaußsches Fehlerfortpflanzungsgesetz Durch Wurzelziehen erhält man das Gaußsches Fehlerfortpflanzungsgesetz für die Standardabweichung der Einzelmessung s z = f x (x,y) s x 2 + f y (x,y) s y 2 Das Gaußsches Fehlerfortpflanzungsgesetz für die Standardabweichung des Mittelwertes s z = f x (x,y) s x 2 + f y (x,y) s y 2 da s z = s z n, s x = s x n, s y = s y n gilt. 45

46 3. Fehlerfortpflanzung 3.3 Vergleich lineare und Gaußsche Fehlerfortpflanzungz lineares Fehlerfortpflanzungsgesetz für die SMeßungenauigkeit der Einzelmessung Δz = z ik - z f x (x,y) Δx + f y (x,y) Δy Gaußsches Fehlerfortpflanzungsgesetz für die Standardabweichung der Einzelmessung s z = f x (x,y) s x 2 + f y (x,y) s y 2 46

2. Beschreibende ( deskriptive ) Statistik 2.1 Grundbegriffe 2.2 Stichproben 2.3 Fehler, Ausreißer und fehlende Werte 2.4 Merkmale 2.

2. Beschreibende ( deskriptive ) Statistik 2.1 Grundbegriffe 2.2 Stichproben 2.3 Fehler, Ausreißer und fehlende Werte 2.4 Merkmale 2. 2.1 Grundbegriffe 2.3 Fehler, Ausreißer und fehlende Werte 2.4 Merkmale 2.5 Definition: Urliste, relative und absolute Häufigkeit 2.6 Tabellarische und graphische Darstellung: Häufigkeit 2.7 Klasseneinteilung

Mehr

htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK

htw 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

Mehr

Statistik I für Betriebswirte Vorlesung 9

Statistik 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

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut 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

Mehr

Häufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit

Häufigkeitsverteilungen 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

Mehr

3. Deskriptive Statistik

3. 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

Mehr

Verfahren für metrische Variable

Verfahren für metrische Variable Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße

Mehr

Fachrechnen für Tierpfleger

Fachrechnen 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:

Mehr

Mathematische Statistik. Zur Notation

Mathematische Statistik. Zur Notation Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden

Mehr

Statistik I für Betriebswirte Vorlesung 9

Statistik 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

Mehr

Einführung in Quantitative Methoden

Einführung 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

Mehr

Statistik K urs SS 2004

Statistik 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

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 Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Deskriptive Statistik Auswertung durch Informationsreduktion

Deskriptive Statistik Auswertung durch Informationsreduktion Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,

Mehr

Statistik eindimensionaler Größen

Statistik 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,

Mehr

Kapitel 1 Beschreibende Statistik

Kapitel 1 Beschreibende Statistik Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)

Mehr

Weitere Lagemaße: Quantile/Perzentile I

Weitere 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

Mehr

Lösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:

Lösungen. 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,

Mehr

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. 3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2

Mehr

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43

1 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,

Mehr

Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:

Die 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

Mehr

Statistik II: Grundlagen und Definitionen der Statistik

Statistik 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

STATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005

STATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005 STATISIK LV Nr.: 0021 WS 2005/06 11.Oktober 2005 1 Literatur Bleymüller, Gehlert, Gülicher: Statistik für Wirtschaftswissenschaftler, Verlag Vahlen Hartung: Statistik. Lehr- und Handbuch der angewandten

Mehr

Einführung in Quantitative Methoden

Einführung 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

Mehr

Inhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale

Inhaltsverzeichnis 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.........................................

Mehr

Bitte am PC mit Windows anmelden!

Bitte 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

Mehr

2. Deskriptive Statistik

2. 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

Mehr

Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:

Die 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

Mehr

Einführung. Fehlerarten

Einführung. Fehlerarten Einführung Jede Messung ist mit einer Messunsicherheit behaftet. Die Unsicherheit bezieht sich dabei nicht auf eine falsche Durchführung der Messung, sondern auf die Tatsache, dass jede von einem Menschen

Mehr

Wiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8

Wiederholung 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

Mehr

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile 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

Mehr

Kapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt

Kapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter

Mehr

Statistische Grundlagen I

Statistische 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.

Mehr

Deskriptive Statistik Erläuterungen

Deskriptive Statistik Erläuterungen Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung

Mehr

Deskriptive Statistik

Deskriptive 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

Mehr

Statistik für NichtStatistiker

Statistik 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

Mehr

W-Seminar: Versuche mit und am Menschen 2017/2019 Skript

W-Seminar: Versuche mit und am Menschen 2017/2019 Skript 3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem

Mehr

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das

Mehr

Deskriptive Statistik

Deskriptive 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

Mehr

Merkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum

Merkmalstypen 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

Mehr

Statistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 6, 2012

Statistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 6, 2012 Statistik SS 2012 Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 6, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012 March 6, 2012 1 / 19

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 05. Dezember 2014 Termine Mittwoch, 10.12.: Doppelstunde Vorlesung, Ausgabe von Übungsblatt

Mehr

Statistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012

Statistik 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

Mehr

Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66

Univariate 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

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive

Mehr

Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc

Diese 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

Mehr

Kreisdiagramm, Tortendiagramm

Kreisdiagramm, Tortendiagramm Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte

Mehr

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler 1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte

Mehr

Deskriptive Statistik. (basierend auf Slides von Lukas Meier)

Deskriptive 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

Mehr

4 Statistische Maßzahlen

4 Statistische Maßzahlen 4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer

Mehr

Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg

Statistische 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

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...

Mehr

Der Mittelwert (arithmetisches Mittel)

Der 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

Mehr

Quantitative Methoden der Agrarmarktanalyse und des Agribusiness

Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik Lösungen+ Aufgabe 1.1 (a) Sammelnde Statistik: Wahl einer zufälligen Stichprobe aus der Grundgesamtheit. (b) Beschreibende (deskriptive) Statistik: Aufbereitung der Stichprobe (oder

Mehr

Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008

Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie

Mehr

Einführung in die Theorie der Messfehler

Einführung in die Theorie der Messfehler Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer

Mehr

Univ.-Prof. Dr. Georg Wydra

Univ.-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

Mehr

Tutorium 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 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

Mehr

Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 18. Oktober 2017

Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 18. Oktober 2017 Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 18. Oktober 2017 1. Daten erfassen 1. Aufgabe: Würfeln Sie 30-mal mit einem regelmäßigen Oktaeder und dokumentieren

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Die folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt.

Die folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Nr. Die folgende Tabelle wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Gewicht (x i ) Raucher Geschlecht Lieblingssportart Ausübung des Sports Geld pro Monat Klassenmitte

Mehr

1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung

1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung 1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0

Mehr

Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.

Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte

Mehr

Angewandte Statistik 1

Angewandte Statistik 1 Angewandte Statistik 1 Beschreibende und Explorative Statistik - Wahrscheinlichkeitsrechnung - Zufallsvariablen und Statistische Maßzahlen -Wichtige Verteilungen - Beurteilende Statistik -Vertrauensintervalle

Mehr

Einführung in die Fehlerrechnung

Einführung in die Fehlerrechnung 1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Datenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung

Datenstrukturen. 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

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen 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

Mehr

STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)

STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von

Mehr

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn

Statistikpraktikum. 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

Mehr

Forschungsmethoden in der Sozialen Arbeit

Forschungsmethoden in der Sozialen Arbeit Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences

Mehr

Bio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen

Bio- 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

Mehr

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15 Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2

Mehr

Grundlagen der Statistik

Grundlagen 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

Mehr

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.)

Dr. 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

Mehr

Grundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik

Grundlagen 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

Mehr

Grundlagen der Statistik I

Grundlagen 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

Mehr

3 Häufigkeitsverteilungen

3 Häufigkeitsverteilungen 3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal

Mehr

4 Statistische Maßzahlen

4 Statistische Maßzahlen 4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer

Mehr

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8

Das 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,

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente... Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,

Mehr

Standardisierte 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 Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:

Ermitteln 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

Mehr

Statistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.

Statistik 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

Mehr

Praktikum zur Vorlesung Einführung in die Geophysik

Praktikum zur Vorlesung Einführung in die Geophysik Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Statistik 1 für SoziologInnen Lage- und Streuungsmaße Univ.Prof. Dr. Marcus Hudec Streuungsmaße Statistische Maßzahlen, welche die Variabilität oder die Streubreite in den Daten messen. Sie beschreiben

Mehr

1 GRUNDLAGEN Grundbegriffe Skalen...15

1 GRUNDLAGEN Grundbegriffe Skalen...15 Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren

Mehr

Über dieses Buch Die Anfänge Wichtige Begriffe... 21

Über dieses Buch Die Anfänge Wichtige Begriffe... 21 Inhalt Über dieses Buch... 12 TEIL I Deskriptive Statistik 1.1 Die Anfänge... 17 1.2 Wichtige Begriffe... 21 1.2.1 Das Linda-Problem... 22 1.2.2 Merkmale und Merkmalsausprägungen... 23 1.2.3 Klassifikation

Mehr