1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
|
|
- Hilko Kranz
- vor 7 Jahren
- Abrufe
Transkript
1 1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober
2 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße wurde von 87 weiblichen Personen beantwortet, die folgende Angaben machten: Das untersuchte Merkmal Körpergröße ist ein metrisch messbares Merkmal. Das bedeutet, die Messung bzw. die Unterscheidung der Merkmalsausprägungen erfolgt anhand einer metrischen Skala, auf der die aufeinanderfolgenden Skalenpunkte gleichlange Intervalle begrenzen (man denke hierbei einfach an einen Zollstock). Aber welche möglichen graphischen Darstellungen gibt es hierfür? D. Horstmann: Oktober
3 Darstellung der erhobenen Daten mit Hilfe eines Säulendiagramms. Wenn man die Daten mit Hilfe eines Säulendiagramms darstellen will, so trägt man die Ausprägungen des untersuchten Merkmals (in unserem Fall der Körpergröße) gegen die absolute Häufigkeit H xi der entsprechenden Merkmalsausprägung x i (Anzahl der Individuen, die x i cm groß sind) auf. Hierbei kann die absolute Häufigkeit H xi auch durch die relative Häufigkeit ersetzt werden. h xi = H x i N = absolute Häufigkeit Gesamtzahl der klassifizierten Objekte D. Horstmann: Oktober
4 Darstellung der erhobenen Daten mit Hilfe eines Säulendiagramms. D. Horstmann: Oktober
5 Darstellung der erhobenen Daten mittels eines Strecken- bzw. Flächendiagramms. Eine Fläche mit einer Grundseite der Länge L wird in Teilabschnitte der Längen l xi = L h xi unterteilt, die dann den Merkmalsausprägungen zugewiesen werden. D. Horstmann: Oktober
6 Kuchen- bzw. Kreisdiagramme. Man ordnet der Merkmalsausprägung x i einen Kreissektor mit Öffnungswinkel α xi = 360 h xi zu. D. Horstmann: Oktober
7 Illustration der Daten mit Hilfe eines Boxplots. Achtung Besonders klausurrelevant D. Horstmann: Oktober
8 Illustration der Daten mit Hilfe eines Boxplots. 1. Zunächst ordnen wir die Messdaten der Größe nach und nennen sie um, so dass x 1 den kleinsten und x N den größten Wert bezeichnet. 2. Nun ermitteln wir zunächst das arithmetische Mittel x M der Messdaten (den im üblichen Sprachgebrauch als Durchschnittswert bezeichneten Wert). Dies macht man wie folgt: Man addiert alle Messwerte x i auf und teilt die so entstehende Summe durch die Anzahl an vorliegenden Messdaten, d.h. x M = 1 N (x 1 + x x N 1 + x N ). Der Mathematiker verwendet hierfür eine andere Schreibweise. Statt der Klammer schreibt man x M = 1 N x i. Dies bedeutet also nichts anderes, als dass man alle Werte x i anfangend mit x 1 bis x N aufaddiert und dann durch den Wert N teilt. D. Horstmann: Oktober
9 Das Summenzeichen Das Symbol X bedeutet, dass alle hinter diesem Symbol vorkommenden Objekte aufaddiert werden sollen. Hierbei werden die einzelnen Objekte mit Hilfe eines Laufindex durchnummeriert (bzw. falls möglich hierdurch ausgedrückt), der von einem beliebigen (gegebenen) Wert aus beginnen kann und mit einem gegebenen Wert endet. Somit ergibt sich also die Notation: bzw. Endwert des XLaufindex Summand Laufindex Laufindex=Startwert des Laufindex x i = x k + x k x N 1 + x N i=k D. Horstmann: Oktober
10 Beispiele: N+1 X 10X 10X Das Summenzeichen 1= =10 i = =55 i = (N 1) + N = i = (N 1) + N +(N +1)= i = (N 1) + N = i=2 N (N +1) 2 (N +1) (N +2) 2 N (N +1) 2 x i = x 1 + x x N 1 + x N 2 D. Horstmann: Oktober
11 Das α-quantil Als nächstes müssen wir einen weiteren Begriff einführen: das sogenannte α-quantil (wobei hier die Zahl α einen Wert zwischen Null und 1 annimmt, d.h. 0 <α<1) der Beobachtungsreihe x 1,..., x N des metrischen Merkmals X (in unserem Fall der Körpergröße). Das α-quantil wird mit dem Symbol x α notiert und ist der Wert der Beobachtungsreihe, der wie folgt ermittelt wird: Die uns vorliegende Beobachtungsreihe ist nach aufsteigender Größe geordnet. Wir bilden den Ausdruck r = N α. Wenn r nicht ganzzahlig ist, gehen wir zur nächst grösseren ganzen Zahl r über und setzen x α gleich dem Wert unserer geordneten Beobachtungsreihe, der an der r -ten Stelle in der geordneten Reihe steht. Ist r jedoch ganzzahlig, so setzen wir x α gleich dem arithmetischen Mittel aus dem r-ten und dem (r +1)-ten Wert unserer geordneten Reihe. D. Horstmann: Oktober
12 Das α-quantil Beispiel: Es sei 0 <α<1. x 1 = 1,x 2 = 1,x 3 = 2,x 4 = 3,x 5 = 15,x 6 = 1,x 7 = 4,x 8 = 26,x 9 = 5, x 10 = 4,x 11 = 1,x 12 =9,x 13 = 2,x 14 = 4,x 15 = 4,x 16 =9,x 17 = 2,x 18 = 1 1. Schritt: Sortieren der gegebenen Werte der Größe nach aufsteigend. x 1 = 1,x 2 = 1,x 6 = 1,x 11 = 1,x 18 = 1,x 3 = 2,x 13 = 2,x 17 = 2,x 4 = 3, x 7 = 4,x 15 = 4,x 10 = 4,x 14 = 4,x 9 = 5,x 12 =9,x 16 =9,x 5 = 15,x 8 = Schritt: Umbenennen der Werte. x 1 = 1,x 2 = 1,x 3 = 1,x 4 = 1,x 5 = 1,x 6 = 2,x 7 = 2,x 8 = 2,x 9 = 3,x 10 = 4, x 11 = 4,x 12 = 4,x 13 = 4,x 14 = 5,x 15 =9,x 16 =9,x 17 = 15,x 18 = 26 D. Horstmann: Oktober
13 Das α-quantil 3. Schritt: Bestimmung der Stelle, an der sich das α-qunatil befindet, in dem man N α =: r berechnet. x 1 = 1,x 2 = 1,x 3 = 1,x 4 = 1,x 5 = 1,x 6 = 2,x 7 = 2,x 8 = 2,x 9 = 3,x 10 = 4, x 11 = 4,x 12 = 4,x 13 = 4,x 14 = 5,x 15 =9,x 16 =9,x 17 = 15,x 18 = 26 In unserem Beispiel ist N =18. Bislang hatten wir α nicht konkret bestimmt, sondern nur angenommen, dass es ein Wert zwischen 0 und 1 ist. Um nun das Beispiel konkret werden zu lassen, setzen wir für α zwei beliebige konkrete Werte ein. Zunächst setzen wir als Beispiel α =0.125 = 1 8. Damit ist N α = = 18 8 =2.25 Da 2.25 keine ganze Zahl ist, rundet man diesen Wert zur nächsten ganzen Zahl auf und nimmt als α-qunatil (hier als Quantil oder als 12.5%-Quantil) den Wert, der in der aufsteigend geordneten und umbenannten Datenreihe an der 3. Stelle liegt. In unserem Fall ist es somit der Wert x 3 =1. D. Horstmann: Oktober
14 Das α-quantil x 1 = 1,x 2 = 1,x 3 = 1,x 4 = 1,x 5 = 1,x 6 = 2,x 7 = 2,x 8 = 2,x 9 = 3,x 10 = 4, x 11 = 4,x 12 = 4,x 13 = 4,x 14 = 5,x 15 =9,x 16 =9,x 17 = 15,x 18 = 26 Nun setzen wir als konkretes zweites Beispiel α =0.5 = 1 2. Damit ist N α = = 18 2 =9 Hier erhält man nun mit 9 eine ganze Zahl. Anstatt nun den Wert an der neunten Stelle in der aufsteigend geordneten und umbenannten Datenreihe zu nehmen, bildet man das arithmetische Mittel der Werte, die sich an ihrer neunten und zehnten Stelle befinden. Das heißt, man berechnet den Wert x 9 + x 10 = 3+4 = auch wenn sich der Wert 3.5 nicht in der aufsteigend geordneten und umbenannten Datenreihe befindet, so ist dieser Wert das zu der Datenreihe gehörige 0.5-Quantil bzw. das 50%-Quantil, das man auch den Median der gegebenen Datenreihe nennt. D. Horstmann: Oktober
15 Illustration der Daten mit Hilfe eines Boxplots. Für den Boxplot bestimmen wir nun die 3 Quartile der geordneten Beobachtungsreihe. Die Quartile sind die α-quantile der Beobachtungsreihe für die Werte α =0.25, α =0.5, α = Die Besonderheit dieser Werte sind die folgenden Eigenschaften, die sie besitzen. Durch die oben beschriebene Berechnung der Quartile ist sichergestellt, dass 25% der Werte der geordneten Beobachtungsreihe kleiner oder gleich dem 25%-Quantil sind. Analog bedeutet das für das 75%-Quantil, dass 75% der Werte der geordneten Beobachtungsreihe kleiner oder gleich sind. Für das 50%-Quantil gilt, dass genau die Hälfte der Werte der geordneten Beobachtungsreihe kleiner und die andere Hälfte größer diesem sind. Das 50%-Quantil ist also ein besonderer Mittelwert, der Median genannt wird. Ein Boxplot ist nun ein Kasten bzw. eine Schachtel, dessen bzw. deren beide äußeren Grenzen am Ort des 1. und des 3. Quartils liegen. Im Inneren der Schachtel befindet sich eine Linie, die die Lage des Medians angibt. Von den Grenzen der Schachtel ausgehend zeichnet man je einen Stempel. Diese erstrecken sich bis zu den Extremstellen x min und x max der geordneten Beobachtungsreihe. Der arithmetische Mittelwert wird mit einem Kreuz dargestellt. D. Horstmann: Oktober
16 In unserem Beispiel mit den Körpergrößen ergeben sich nun folgende Werte: x M = , x 0.25 = 164, x 0.75 = 173, x 0.50 = 168, x min = 150, x max = 181. Die folgende Abbildung zeigt einen solchen Boxplot für unser konkretes Beispiel. Anmerkung 1. ab. In der Regel weichen Median und arithmetischer Mittelwert weit voneinander D. Horstmann: Oktober
17 1.2 Weitere Analyse der vorliegenden Messdaten D. Horstmann: Oktober
18 Die Stichprobenvarianz Interessant ist sicherlich die Frage, wie sehr die einzelnen Messdaten von dem durchschnittlichen Wert der Messreihe (dem arithmetischen Mittel) abweichen. Das heißt, man ist daran interessiert, die Streuung der Messdaten zu beschreiben. Ein hierbei verwendetes Hilfsmittel ist die sogenannte Stichprobenvarianz oder kurz die Varianz der Messreihe. Definition 1. Die Varianz s 2 x einer N Daten umfassenden Messreihe ist die durch N 1 geteilte Summe der quadratischen Abweichungen der Messdaten vom durchschnittlichen Messwert, d.h. s 2 x := = 1 N 1 1 N 1 (x 1 x M ) 2 +(x 2 x M ) (x N 1 x M ) 2 +(x N x M ) 2 (x i x M ) 2. Klausurrelevant D. Horstmann: Oktober
19 Die Stichprobenvarianz Die Varianz einer Messreihe ist also ein Streuungsmaß. Die Bezeichnung s 2 x soll darauf hinweisen, dass die Varianz als Summe von quadratischen Termen immer größer oder gleich Null ist. Berechnet man die Varianz in unserem Beispiel für die Körpergröße, so ergibt sich: s 2 x = X x i «2 = D. Horstmann: Oktober
20 Der Verschiebungssatz für die Stichprobenvarianz Oftmals ist es nützlicher, eine andere Formel zur Berechnung der Varianz heranzuziehen. Wir sehen, dass: s 2 x = 1 n 1 (x i x M ) 2 = = 1 n 1 1 n 1 x 2 i 2 x i x M + x 2 M x 2 i 2 x i x M + x 2 M. Hieraus ergibt sich: s 2 x = 1 n 1 x 2 i 2 x M x i + N x 2 M. D. Horstmann: Oktober
21 Nun haben wir bereits gesehen, dass die Summe der Messdaten geteilt durch die Gesamtzahl der Messdaten gleich dem Wert x M ist. Somit gilt: s 2 x = = = = 1 N 1 1 N 1 1 N 1 1 N 1 x 2 i x 2 i x 2 i x 2 i 2 x M N X 2 N N x M x i + N x 2 M x i + N x 2 M 2 N x 2 M + N x2 M N x 2 M. D. Horstmann: Oktober
22 Der Verschiebungssatz für die Stichprobenvarianz Lemma 1. [Verschiebungssatz für die Stichprobenvarianz] Die Stichprobenvarianz s 2 x bzw. die Varianz einer Messreihe läßt sich auch mit Hilfe der nachfolgenden Formel berechnen: s 2 x = 1 N 1 x 2 i N x 2 M. Oft ist es nützlich, von diesem Verschiebungssatz Gebrauch zu machen, wenn man die Varianz berechnen soll. D. Horstmann: Oktober
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,
MehrKapitel 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)
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
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
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
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 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,
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
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
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
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
MehrHarry Potter und die Kammer des Schreckens : m, s, g, a, a, a, sg, g, a, g, m, m, g, g, sg, s, a, a, a, g, a, a, g, g, a
Aufgabe 1: Harry Potters Filmkritik 25 Schüler und Schülerinnen der Klasse 9 sollten die ersten beiden Harry-Potter- Filme mit ausgezeichnet (a), sehr gut (sg), gut (g), mittelprächtig (m), schlecht (s)
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
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
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung
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
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
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrThema: Mittelwert einer Häufigkeitsverteilung. Welche Informationen kann der Mittelwert geben?
Thema: Mittelwert einer Häufigkeitsverteilung Beispiel: Im Mittel werden deutsche Männer 75,1 Jahre alt; sie essen im Mittel pro Jahr 71 kg Kartoffel(-produkte) und trinken im Mittel pro Tag 0.35 l Bier.
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Maßzahlen für zentrale Tendenz, Streuung und andere Eigenschaften von Verteilungen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische
MehrDie Standardabweichung
Die Standardabweichung Ein anderes Maß, das wir im Zusammenhang mit den Messdaten und ihrem Durchschnittswert kennenlernen, ist die sogenannte Standardabweichung der Messdaten von ihrem arithmetischen
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2015 Prolog Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
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.
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
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
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
MehrWahrscheinlichkeitsrechnung und Statistik
Wahrscheinlichkeitsrechnung und Statistik Für Ingenieurstudenten an Fachhochschulen von Michael Sachs erweitert Wahrscheinlichkeitsrechnung und Statistik Sachs schnell und portofrei erhältlich bei beck-shopde
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
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
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 5. Erwartungswert E und Varianz V Literatur Kapitel 5 * Storrer: (37.9)-(37.12), (38.4), (40.6)-(40.9), (41.2) * Stahel: Kapitel 5 und 6 (nur
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
MehrAlkoholkranke (Testaufgabe)
Alkoholkranke (Testaufgabe) In einer Zeitschrift ist zu lesen: ''Untenstehende Graphik demonstriert, dass die Anzahl der Alkoholkranken in der Stadt X von 2007 bis 2008 stark zugenommen hat.'' Ist diese
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
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
Mehr2 ZAHLEN UND VARIABLE
Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
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
MehrSkript Bruchrechnung. Erstellt: 2014/15 Von:
Skript Bruchrechnung Erstellt: 2014/15 Von: www.mathe-in-smarties.de Inhaltsverzeichnis Vorwort... 2 1. Einführung... 3 2. Erweitern / Kürzen... 5 3. Gemischte Brüche... 8 4. Multiplikation von Brüchen...
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrFaktorisierung bei Brüchen und Bruchtermen
Faktorisierung bei Brüchen und Bruchtermen Rainer Hauser Mai 2016 1 Einleitung 1.1 Rationale Zahlen Teilt man einen Gegenstand in eine Anzahl gleich grosse Stücke, so bekommt man gebrochene Zahlen, die
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
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
MehrStatistik I. Hinweise zur Bearbeitung. Aufgabe 1
Statistik I, WS 2002/03, Seite 1 von 7 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrRelative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen:
Relative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen: http://www.serlo.org/ 1. In einer Schulklasse ergaben sich bei einer Mathematikschulaufgabe folgende Noten: Note 1
Mehr2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner
2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner Arbeitszeit: 100 Minuten Lernstoff: Mathematische Grundkompetenzen: AG2.1, AG2.2, AG2.3 FA1.1, FA1.5, FA1.6, FA1.7, FA1.9 FA2.1, FA2.2,
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
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
Mehr2 Statistische Maßzahlen
2 Statistische Maßzahlen Übersicht 2.1 Quantile, speziellmedian, QuartileundPerzentile... 25 2.2 Modus, Median, arithmetischesmittel... 28 2.3 Arithmetisches,geometrisches,harmonischesMittel... 31 2.4
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
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
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrDeskriptive Statistik
Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
Mehr9. Diagramme - Graphische Darstellung von Daten
9. Diagramme - Graphische Darstellung von Daten Ein Diagramm (v. griech.: diagramma = geometrische Figur, Umriss) ist eine grafische Darstellung von Daten, Sachverhalten oder Informationen. Je nach der
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
Mehr2. Eindimensionale (univariate) Datenanalyse
2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten
MehrSTATISTIK I Übung 07 Box-Plots und Stem-and-Leaf-Diagramme. 1 Kurze Wiederholung. Warum nur zwei grafische Darstellungsformen?
STATISTIK I Übung 07 Box-Plots und Stem-and-Leaf-Diagramme 1 Kurze Wiederholung Warum nur zwei grafische Darstellungsformen? Im Rahmen der Vorlesungen haben wir kurz eine ganze Reihe grafischer Darstellungsformen
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
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
Mehr1.5 Berechnung von Rangzahlen
1.5 Berechnung von Rangzahlen Bei vielen nichtparametrischen Verfahren spielen die so genannten Rangzahlen eine wesentliche Rolle, denn über diese werden hier die Prüfgrößen berechnet. Dies steht im Gegensatz
MehrSummenformel für arithmetische Reihen. Summenformel für geometrische Reihen. Wie groß ist die Summe der Zahlen von 1 bis n?
Summenformel für arithmetische Reihen Wie groß ist die Summe der Zahlen von bis n? + + 3 + + (n ) + n n + (n ) + (n ) + + + + Idee: Reihe umkehren s n = n(n+) Diese Überlegung lässt sich auf beliebige
MehrÜbungsaufgaben zu Kapitel 2 und 3
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrStation Figurierte Zahlen Teil 3. Arbeitsheft. Teilnehmercode
Station Figurierte Zahlen Teil 3 Arbeitsheft Teilnehmercode Mathematik-Labor Station Figurierte Zahlen Liebe Schülerinnen und Schüler! Schon die alten Griechen haben Zahlen mit Hilfe von Zählsteinen dargestellt:
Mehr1 Verteilungen und ihre Darstellung
GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen
MehrAuf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.
Aufgabe 4 Glückspasch" (16 Punkte) Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an. Spielregeln: Einsatz 1. Der Mitspieler würfelt mit 2 Oktaederwürfeln. Fällt ein Pasch,
MehrMusterlösung zur Aufgabensammlung Statistik I Teil 3
Musterlösung zur Aufgabensammlung Statistik I Teil 3 2008, Malte Wissmann 1 Zusammenhang zwischen zwei Merkmalen Nominale, Ordinale Merkmale und Mischungen Aufgabe 12 a) x\ y 1.Klasse 2.Klasse 3.Klasse
MehrStatistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer
Siegfried Noack Statistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer Anleitungen und Beispiele aus dem Laborbereich W DE G Walter de Gruyter Berlin New York 1980 Inhaltsverzeichnis
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
MehrGrundwissen. 5. Jahrgangsstufe. Mathematik
Grundwissen 5. Jahrgangsstufe Mathematik Grundwissen Mathematik 5. Jahrgangsstufe Seite 1 1 Natürliche Zahlen 1.1 Große Zahlen und Zehnerpotenzen eine Million = 1 000 000 = 10 6 eine Milliarde = 1 000
MehrVorlesung Wirtschaftsstatistik 2 (FK ) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren. Dipl.-Ing.
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Vorlesungsinhalte Wiederholung:
MehrFolgen und Reihen. Petra Grell, WS 2004/05
Folgen und Reihen Petra Grell, WS 2004/05 Folgen 1 Einführung Beispiel 1.1. Setze fort: 1, 2, 3,... 4, 5, 6,... natürliche Zahlen 5, 8, 13,... Fibonacci-Zahlen Wir können nicht eindeutig sagen, wie es
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum der Daten, Streuung der Daten um dieses Zentrum, Schiefe / Symmetrie
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,
MehrKontrolle. Themenübersicht
Themenübersicht Arbeitsblatt 1 Statistik Arbeitsblatt 2 Erheben und Auswerten von Daten Arbeitsblatt 3 Zufallsexperimente Arbeitsblatt 4 mehrstufige Zufallsexperimente Inhalt, Schwerpunkte des Themas Urliste,
MehrÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE
ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE 1.1 Füllen Sie bitte folgenden Lückentext aus. Daten, die in Untersuchungen erhoben werden, muss man grundsätzlich nach ihrem unterscheiden.
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
Mehr1 Rechnen. Addition rationaler Zahlen gleicher Vorzeichen Summand + Summand = Summe
Rationale Zahlen Die ganzen Zahlen zusammen mit allen positiven und negativen Bruchzahlen heißen rationale Zahlen. Die Menge der rationalen Zahlen wird mit Q bezeichnet. Je weiter links eine Zahl auf dem
MehrFunktionen. Operation versus Funktion. Elementare Funktionen
Funktionen Funktionen sind Anweisungen, wie man ein oder mehrere Argumente miteinander verrechnet um ein Ergebnis zu erhalten. Notiert werden sie mit einem Namen (oft einfach nur f) gefolgt von den Argumenten
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrDidaktik der Stochastik
Jürgen Roth Didaktik der Stochastik Modul 12a/b: Fachdidaktische Bereiche 2.1 Inhalt Didaktik der Stochastik 1 Ziele und Inhalte 2 Beschreibende Statistik 3 Wahrscheinlichkeitsrechnung 4 Beurteilende Statistik
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrBeschreibung von Daten
Kapitel 1 Beschreibung von Daten 1.1 Beispiele zum Üben 1.1.1 Aufgaben Achtung: die Nummerierung ist nicht ident mit der im Buch; Bsp. 1-1 enspricht Bsp 2-20 im Buch, 1-2 2-21 im Buch usw. 1 1 In einem
Mehr1 Goldener Schnitt Pascalsches Dreieck Der Binomische Lehrsatz ( ) ß mit a multipliziert. ( a+ b) 4 = a 3 +3a 2 b+3ab 2 + b 3
1 Goldener Schnitt Pascalsches Dreieck 17 1.3 Pascalsches Dreieck 1.3.1 Der Binomische Lehrsatz Aus der Schule ist Ihnen mit Sicherheit die Binomische Regel bekannt: ( ) 2 = a 2 +2ab+ b 2 a+ b Diese Regel
MehrDieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
Mehr