4 Statistische Maßzahlen
|
|
- Otto Diefenbach
- vor 6 Jahren
- Abrufe
Transkript
1 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 Stichprobe bzw. einer empirischen Verteilung (Häufigkeitsverteilung) durch Kennzahlen. StatBio 75
2 Statistische Maßzahlen dienen der Beurteilung einzelner Beobachtungswerte innerhalb der Gesamtheit aller Beobachtungswerte, repräsentieren eine empirische Verteilung durch wenige Zahlenwerte, ermöglichen einen einfachen und schnellen Vergleich von Stichproben bzw. empirischen Verteilungen. StatBio 76
3 Statistische Maßzahlen beschreiben drei Aspekte: Lage Wo liegen die Daten auf der verwendeten Skala? Wo liegt das Zentrum, die,,mitte? Auskunft geben Maßzahlen der Lage (Abschnitt 4.1 und 4.2). Streuung Wie weit streuen die Daten auf der verwendeten Skala? Wie weit sind die Daten vom Zentrum entfernt? Auskunft geben Maßzahlen der Streuung (Abschnitt 4.3). Form Wie verhalten sich die Daten links und rechts vom Zentrum? Wie weit weicht eine Häufigkeitsverteilung von der Symmetrie ab? Auskunft geben Maßzahlen der Schiefe (Abschnitt 4.4). StatBio 77
4 4.1 Maßzahlen der mittleren Lage Maße der zentralen Tendenz, Mittelwerte Ziel: Ein Mittelwert soll die Gesamtheit der Beobachtungen (Daten) möglichst gut repräsentieren. Modus (Modalwert) Definition: Der Modus ist die Merkmalsausprägung, die in der Stichprobe am häufigsten vorkommt. Als Lagemaß ist der Modus sinnvoll für ordinale Merkmale diskrete metrische Merkmale (Zähldaten) wenn er eindeutig ist! StatBio 78
5 Bemerkung: Da der Modus allein von der Häufigkeit abhängt, muss er nicht in der,,mitte einer Verteilung liegen. Beispiel (für ordinale Merkmale): Bei 100 Patienten ergaben sich folgende Therapieerfolge: Therapieerfolg Häufigkeit 1 = keine Heilung 10 2 = teilweise Heilung 25 3 = vollständige Heilung 65 Der Modus ist 3. Bemerkung: 1. Bei stetigen (und somit metrisch skalierten) Merkmalen macht der Modus im Allgemeinen keinen Sinn (alle Daten sind i.d.r. verschieden). StatBio 79
6 2. Im klassierten Fall ist der Modus definiert als die Klassenmitte der am häufigsten besetzten Klasse. Aber Vorsicht! Der Modus hängt von der Klassenwahl ab! (vgl. Aufgabe 2, Blatt 2) Fortsetzung von Bsp. 2.1: (Plasma Daten) Der Modus ist nicht eindeutig (die Werte 3.9 und 4.0 kommen vier mal vor), im klassierten Fall der Tab. 3 3 ist die Klasse (3.80, 4.00] am dichtesten besetzt (nämlich 8 mal) und der Modus ist = 3.90 StatBio 80
7 Median (Zentralwert) Genauer: Empirischer Median, Stichproben Median (sample median) Voraussetzung: ordinalskalierte Merkmale Bezeichnung: med, med x Median: (Beobachtungs )Wert, der sich in der,,mittleren Position der geordneten Stichprobe befindet (bei geradem Stichprobenumfang gibt es zwei Beobachtungen in einer mittleren Position und es wird gemittelt). Zahlenbeispiel: med = 4 med = = 4.5 StatBio 81
8 Fortsetzung von Bsp. 2.1: (Plasma Daten) Die geordnete Stichprobe lautet: In der mittleren Position sind die 10 te und die 11 te Ordnungsgröße, beide haben den Wert 3.9. Der Median ist dann das arithmetische Mittel dieser beiden Ordnungsgrößen: med = x (10) + x (11) 2 = = 3.9 Um allgemein den Median von Daten x 1,..., x n zu bestimmen, sind zunächst die Werte der Größe nach zu sortieren. Bezeichne x (1) x (2)... x (n) wieder die geordneten Daten. StatBio 82
9 Definition: Der empirische Median ist definiert durch med = { x( n+1 ( x( n 2 ), n ungerade ) 2 ) + x ( n 2 +1) /2, n gerade Hinweis: Der Median teilt die Stichprobe so, dass mindestens 50% der Daten kleiner oder gleich diesem Wert und mindestens 50% der Daten größer oder gleich diesem Wert sind. Fortsetzung von Bsp. 2.1: (Plasma Daten): 11 Beobachtungen sind kleiner oder gleich dem Median, also 55%; 13 Beobachtungen sind größer oder gleich dem Median, also 65%. StatBio 83
10 Arithmetisches Mittel Mittelwert, Stichprobenmittel (sample mean) Voraussetzung: metrisch skaliertes Merkmal oder Merkmal ist binär und 0/1 kodiert. Bezeichnung: x, x n Definition: Der Mittelwert einer Stichprobe x 1,..., x n ist definiert durch n x = 1 n (x x n ) = 1 n i=1 x i Bemerkung: Selbstverständlich kommt es bei der Aufsummierung nicht auf die Reihenfolge an. So ändert sich der Wert des arithmetischen StatBio 84
11 Mittels nicht, wenn man z. B. die geordneten Daten aufsummiert: x = 1 n (x (1) x (n) ) Fortsetzung von Bsp. 2.1: (Plasma Daten) x 20 = 1 20 ( ) = 3.96 Bei einem binären Merkmal, dessen Ausprägungen mit 0 und 1 kodiert sind, ist das arithmetische Mittel identisch mit der relativen Häufigkeit der Ausprägung 1: x = Anzahl der Daten x i mit x i = 1 n 100 x gibt den prozentualen Anteil der Ausprägung 1 wieder. StatBio 85
12 Mittelwert oder Median? Median und arithmetisches Mittel haben unterschiedliche Eigenschaften: Der Median wird von Ausreißern kaum oder gar nicht beeinflusst (Ausreißer sind Beobachtungen die (augenfällig) weit entfernt von den übrigen Daten liegen.) Man sagt: Der Median ist robust. Das arithmetische Mittel reagiert hingegen äußerst sensibel auf Ausreißer (und kann daher zu sachlich verzerrten Aussagen führen). Aber Achtung! Robustheit ist eine Eigenschaft, kein Gütekriterium! Für schiefe Verteilungen ist der Median besser interpretierbar als das arithmetische Mittel. Bei (annähernd) symmetrischen Verteilungen ist das arithmetische Mittel dem Median vorzuziehen. StatBio 86
13 Der Median setzt lediglich ein ordinales Skalenniveau voraus, während das arithmetische Mittel metrisch skalierte Merkmale voraussetzt (Ausnahme: binäre, 0/1 kodierte Merkmale). Das arithmetische Mittel gibt einen rechnerischen Bezug zur Summe aller Beobachtungswerte, der Median gibt eher einen typischen Wert im Zentrum der Verteilung wieder. Fortsetzung von Bsp. 2.1: (Plasma Daten) Lässt man die größte Beobachtung 4.6 weg (diese kommt drei mal vor), so erhält man x 17 = 3.85 med = x (9) = 3.9 Der Mittelwert hat also um 0.11 abgenommen, der Median hingegen bleibt in diesem Beispiel sogar unverändert. StatBio 87
14 Robustifizierung des arithmetischen Mittels: Weglassen der k kleinsten und größten Beobachtungen (k n/2). Das Ergebnis x n,k = 1 n 2 k n k j=k+1 x (j) (4.1) ist das sogenannte gestutzte oder getrimmte Mittel (trimmed mean). Beispiel: 5% getrimmtes Mittel (Weglassen der 5% kleinsten und 5% größten Beobachtungen) Bemerkung: In der Darstellung (4.1) werden alle Daten gleich gewichtet. Das Gewicht ist 1 n 2 k Es gibt aber auch andere Festlegungen. StatBio 88
15 4.2 Weitere Maßzahlen der Lage In diesem Abschnitt werden Maßzahlen vorgestellt, die häufig zur Beschreibung der nicht zentralen Lage der Daten verwendet werden. min Q 1 Q 2 = med Q 3 max Minimum: Kleinster Beobachtungswert x (1) = min(x 1,,..., x n ) Maximum: Größter Beobachtungswert x (n) = max(x 1,,..., x n ) Fortsetzung von Bsp. 2.1: (Plasma Daten) x (1) = 3.3, x (20) = 4.6 StatBio 89
16 Quartile Die Interpretation von Quartilen ist die Folgende: Das 1. Quartil (1st quartile) Q 1 teilt die Stichprobe so, dass ungefähr 25% der Daten darunter liegen. Das 2. Quartil (2nd quartile) Q 2 teilt die Stichprobe so, dass ungefähr 50% der Daten darunter liegen (entspricht dem Median) und das 3. Quartil (3rd quartile) Q 3 teilt die Stichprobe so, dass ungefähr 75% der Daten darunter liegen. Die Bestimmung von Quartilen geschieht wie folgt: 1. Quartil: Division von 1 (n+1) durch 4 ergibt n = k 1 + Rest Der Rest kann nur die Werte 0, 0.25, 0.5 und 0.75 annehmen (den Wert 0, wenn n + 1 durch 4 teilbar ist). StatBio 90
17 Definition: 1. Quartil Q 1 = x (k1 ) + Rest (x ) (k1 +1) x (k1 ) Im Fall Rest = 0 ist Q 1 = x (k1 ). Fortsetzung von Bsp. 2.1: (Plasma Daten) Hier ist n = 20 und n = 21 4 = 5.25 = Also ist k 1 = 5, Rest = 0.25 und Q 1 = x (5) (x (6) x (5) ) = ( ) = 3.8 Von den 20 Daten liegen 4 Daten unterhalb des 1. Quartils, also etwa 20%, 7 Daten sind kleiner oder gleich dem 1. Quartil, also 35%. StatBio 91
18 2. Quartil: Division von 2 (n+1) durch 4 ergibt 2 (n + 1) 4 = n = k 2 + Rest Der Rest kann den Wert 0 annehmen, wenn n + 1 durch 2 teilbar ist. In diesem Fall ist k 2 = n Der Rest kann den Wert 0.5 annehmen, wenn n + 1 ungerade, also n gerade ist. In diesem Fall ist k 2 = n 2 StatBio 92
19 Definition: 2. Quartil Q 2 = x (k2 ) + Rest (x ) (k2 +1) x (k2 ) = { x( n+1 2 ), n ungerade 0.5 x ( n 2 ) x ( n 2 +1),n gerade = med 3. Quartil: Division von 3 (n+1) durch 4 ergibt 3 (n + 1) 4 = k 3 + Rest Der Rest kann nur die Werte 0, 0.25, 0.5 und 0.75 annehmen (den Wert 0, wenn 3 (n + 1) durch 4 teilbar ist). StatBio 93
20 Definition: 3. Quartil Q 3 = x (k3 ) + Rest (x ) (k3 +1) x (k3 ) Im Fall Rest = 0 ist Q 3 = x (k3 ). Fortsetzung von Bsp. 2.1: (Plasma Daten) Wegen = ist k 3 = 15, Rest = 0.75 und Q 3 = x (15) (x (16) x (15) ) = ( ) = Von den 20 Daten sind 15 Daten kleiner als das 3. Quartil, also 75%. Bemerkung: Es gibt auch geringfügig andere Festlegungen von Quartilen. StatBio 94
21 4.3 Maßzahlen der Streuung Variabilitätsmaße, Dispersionsmaße (measures of dispersion) Lagemaße geben i. A. wenig Auskunft darüber, wie weit die Daten vom Zentrum entfernt liegen, wie stark also die Daten um das Zentrum variieren (,,streuen ). Zahlenbeispiel 4.1 (wird fortgesetzt): Für die beiden Stichproben 0, 0, 10, 10 und 0, 0, 2, 8, 10, 10 gilt (nachrechnen!): x = 5 Minimum = 0 Maximum = 10 Q 1 = 0 Q 2 (med) = 5 Q 3 = 10 StatBio 95
22 Spannweite (range) Voraussetzung: ordinal skalierte Merkmale Definition: Die Spannweite einer Stichprobe x 1,..., x n ist die Differenz zwischen größtem und kleinstem Beobachtungswert: Spannweite = x (n) x (1) Fortsetzung von Bsp. 2.1: (Plasma Daten) Spannweite = = 1.3 Nachteile: Die Spannweite ist extrem ausreißerempfindlich berücksichtigt nicht die (Lage der) Daten, die StatBio 96
23 zwischen Minimum und Maximum liegen wird mit wachsendem Stichprobenumfang nie kleiner. Quartilsabstand (interquartile range, IQR) Dieses Streuungsmaß, auch Quartilsdifferenz (quartile deviation) genannt, ist eine Robustifizierung der Spannweite. Definition: Der Quartilsabstand einer Stichprobe x 1,..., x n ist die Differenz zwischen dem dritten und ersten Quartil: IQR = Q 3 Q 1 StatBio 97
24 Bemerkung: Der Quartilsabstand hat eine sehr anschauliche Interpretation: Er misst die Länge des Intervalls, das etwa die Hälfte der,,mittleren Beobachtungen enthält. Das Intervall [Q 1, Q 3 ] umfasst die Beobachtungen zwischen Q 1 Q 3. und Fortsetzung von Bsp. 2.1: (Plasma Daten) IQR = Q 3 Q 1 = = Im Intervall [3.8, 4.075] liegen die (mittleren) Beobachtungenwerte Dies sind 55% aller Beobachtungwerte. StatBio 98
25 Standardabweichung (standard deviation) Genauer: empirische Standardabweichung, Stichproben Standardabweichung Bezeichnungsweisen: s, s n Voraussetzung: metrisch skalierte Merkmale Definition: Die Standardabweichung von x 1,..., x n ist definiert durch s = s n = 1 n (x i x) n 1 2 i=1 Die Standardabweichung betrachtet die Summe der quadratischen Abweichungen vom arithmetischen Mittel StatBio 99
26 nimmt Bezug zum Stichprobenumfang n zieht die Wurzel aus der Summe der quadratischen Abweichungen, damit das Streuungsmaß die gleiche Maßeinheit besitzt wie die Stichprobenwerte. Beachte: Nur die Abweichungen (also ohne Quadrat) zu nehmen, ist sinnlos. Es gilt stets n (x i x n ) = 0 i=1 (Aufgabe 3, Blatt 2). Fortsetzung von Zahlenbeispiel 4.1: Die Stichprobe 0, 0, 10, 10 ( x = 5) besitzt die Standardabweichung s 4 = = 5.77 StatBio 100
27 die Stichprobe 0, 0, 2, 8, 10, 10 ( x = 5) besitzt die Standardabweichung s 6 = = 1.90 Das Quadrat der (Stichproben )Standardabweichung s 2 = s 2 n = 1 n 1 n (x i x) 2 i=1 heißt (Stichproben )Varianz. Fortsetzung von Bsp. 2.1: (Plasma Daten) Varianz (in (g/dl) 2 ): s 2 = 1 (( ) ( ) 2) 19 = StatBio 101
28 Standardabweichung (in g/dl): s = = Bemerkungen: (i) Die Maßeinheit der Varianz ist das Quadrat der Maßeinheit der Stichprobenwerte. Die Varianz ist daher nur schwer interpretierbar. (ii) Standardabweichung bzw. Varianz werden von Ausreißern stark beeinflusst, sind also nicht robust. Beispiel: (Plasma Daten) Würde man die extreme Beobachtung 4.6 weglassen, so ergäbe sich eine Standardabweichung von eine deutliche Verringerung gegenüber StatBio 102
29 (iii) Im Gegensatz zum Quartilsabstand hat die Standardabweichung s keine anschauliche Interpretation (vgl. Bemerkung im Anschluss an Definition des Quartilsabstandes). Als Faustregel sollte man sich aber merken, dass für annähernd normalverteilte Stichproben das Intervall [ x s, x + s] ungefähr 2/3 aller Beobachtungen enthält; ungefähr die Hälfte liegt im Intervall [ x 0.67 s, x s] Was normalverteilt bedeutet, wird in der Wahrscheinlichkeitsrechnung erklärt. (iv) Möchte man Standardabweichungen von verschiedenen Stichproben vergleichen, so ist es häufig sinnvoll, diese in Bezug zu den arithmetischen Mitteln zu setzen (vgl. Aufgabe 9, Blatt 2). StatBio 103
30 4.4 Lineare Transformationen, Schiefemaße Wie wirkt sich eine Änderung der Maßeinheit auf Lage und Streuungsmaße aus? Beispiele: Stoffmenge: Gramm und Mol 1 mmol/l = 18mg/dl Länge: Nanometer (nm) und Meter (m) 1nm = 10 9 m Temperatur: Fahrenheit [F] und Celsius [C]: F = C Der Übergang zu einer anderen Maßeinheit lässt sich mathematisch durch eine Funktion (Transformation) beschreiben: StatBio 104
31 Im Fall der Stoffmenge y = 18 x (x mmol/l sind 18 x mg/dl) im Fall der Länge y = 10 9 x (x nm sind 10 9 x m) im Fall der Temperatur y = x (x Celsius sind x Fahrenheit). Diese Transformationen sind von der Form y = a + b x, b > 0 (die x Werte werden erst mit einen Faktor b > 0 gewichtet und dann um den Wert a verschoben). Solche Transformationen nennt man lineare Transformationen. StatBio 105
32 Wendet man eine lineare Transformation y = a + b x, b > 0 auf eine Stichprobe x 1,..., x n an, so erhält man die linear transformierten Daten y 1 = a + b x 1,..., y n = a + b x n Alle Lage und Streuungsmaße (außer die Varianz) sind dadurch charakterisiert, dass sie sich bei linearen Transformationen in einer bestimmten Weise mitverändern: StatBio 106
33 Lage y = a + b Lage x Streuung y = b Streuung x Für die vorgestellten Lagemaße gilt also ȳ = a + b x Q 1,y = a + b Q 1,x med y = a + b med x Q 3,y = a + b Q 3,x und für die vorgestellten Streuungmaße gilt s y = b s x IQR y = b IQR x StatBio 107
34 Selbst wenn Stichproben in Lage und Streuung übereinstimmen sollten, bleiben im Allgemeinen Unterschiede, die man unter dem Begriff Form zusammenfasst. Die Form der Verteilung ist das, was sich unter linearen Transformationen nicht ändert. Ein anschaulicher Aspekt der Form ist die Schiefe (skewness). Schiefe ist die Abweichung von der Symmetrie einer Häufigkeitsverteilung. Ausreißer bewirken, dass Mittelwert und Median voneinander abweichen. In diesen Fällen ist die Verteilung schief. StatBio 108
35 Rechtsschiefe (Linkssteilheit) in den Daten liegt vor, wenn mehr Beobachtungen unterhalb des Mittelwertes liegen als oberhalb, also der Median kleiner als der Mittelwert ist med x < x Die Plasma Daten aus Bsp. 2.1 zeigen eine leichte Rechtsschiefe (vgl. Abb. 3 3). Linksschiefe (Rechtssteilheit) in den Daten liegt vor, wenn mehr Beobachtungen oberhalb des Mittelwertes liegen als unterhalb, also der Median größer als der Mittelwert ist med x > x Im Fall x = med spricht man von Symmetrie. StatBio 109
36 Beachte: Unter linearen Transformationen bleibt a + b x, b > 0 (i) eine rechtsschiefe Verteilung (med x < x) rechtsschief: a + b med x < a + b x (ii) eine linksschiefe Verteilung (med x linksschief: > x) a + b med x > a + b x (iii) eine symmetrische Verteilung (med x = x) symmetrisch: a + b med x = a + b x StatBio 110
37 Schiefemaße Ein Schiefemaß ist ein Maß für die Ausgeprägtheit der Schiefe einer Verteilung, für den Grad der Asymmetrie. Konvention: Bei rechtsschiefer Verteilung wird die Maßzahl positiv bei linksschiefer Verteilung wird die Maßzahl negativ bei symmetrischer Verteilung wird die Maßzahl Null. Schiefemaß nach Yule Pearson: Schiefe YP = 3 ( x med) s StatBio 111
38 Schiefemaß 3. Moment: Schiefe M = 1 n n i=1 ( ) 3 xi x (4.2) s Fortsetzung von Bsp. 2.1 (Plasma Daten) Mit x = 3.96, med = 3.9 und s = erhält man Schiefe YP = 3 ( ) = 0.53 Schiefe M = 1 20 ( ) ( ) = Dies deutet auf eine Rechtsschiefe hin. StatBio 112
39 Da die Form einer Verteilung sich unter linearen Transformationen a + b x, b > 0, nicht ändert, ist es vernünftig, von einem Schiefemaß zu fordern, dass es sich ebenfalls unter linearen Transformationen nicht ändert (Aufgabe 2, Blatt 3). Bemerkung: Rechtsschiefe Verteilungen sind weit verbreitet. Logarithmus und Wurzeltransformation x 1,,..., x n x 1,..., x n x 1,,..., x n ln(x 1 ),..., ln(x n ) führen zu einer Abnahme der Rechtsschiefe. Dies ist oft ein Grund für ihre Anwendung: Man möchte nicht schiefe Häufigkeitsverteilungen erhalten. Dies ist vor allem im Hinblick auf viele Methoden der schließenden Statistik von Vorteil. StatBio 113
40 Standardisierte Stichproben Jede Stichprobe lässt sich mittels einer linearen Transformation a + b x, b > 0, in eine Stichprobe überführen, deren (mittlere) Lage 0 und Streuung 1 ist. Sei x 1,..., x n eine Stichprobe. Standardisierung A: Als Lagemaß sei das arithmetische Mittel x und als zugehöriges Streuungsmaß die Standardabweichung s x gewählt. Für die transformierten Beobachtungswerte z i = x i x s x = x + 1 x i }{{} s x }{{} s x =a =b i = 1,..., n, gilt dann z = 0, s z = 1 (Aufgabe 4, Blatt 3). Der standardisierte Wert z i wird als StatBio 114
41 z score (z Wert) des ursprünglichen Wertes x i bezeichnet. Er besitzt keine Maßeinheit und kennzeichnet, um das,,wievielfache der Streuung der Ursprungswert vom Zentrum ( x) entfernt ist. z 1,..., z n heißt standardisierte Stichprobe. Standardisierung B: (Robuste Variante) Als Lagemaß sei der Median med x und als zugehöriges Streuungsmaß der Quartilsabstand IQR x gewählt. Für die transformierten Beobachtungswerte z i = x i med x IQR x i = 1,..., n, gilt dann (Aufgabe 4, Blatt 3). = med x IQR x }{{} =a med z = 0, IQR z = x i } IQR {{ x} =b StatBio 115
42 4.5 Der Box Plot Genauer: Box and Whiskers Plot Er benutzt Quartile zur graphischen Darstellung von Lage und Streuung, gibt Hinweise auf Symmetrie oder Schiefe, und hebt potenzielle Ausreißer hervor. Ziel: Schneller visueller Vergleich verschiedener Stichproben. Ausgangspunkt dieser Darstellung (bei vertikaler Orientierung) bildet eine Box, deren untere und obere Begrenzungslinien durch das untere und obere Quartil festgelegt sind. Die Länge der Box ist also der Quartilsabstand. Innerhalb der Box wird der Median durch eine horizontale Linie markiert. Die Whiskers (vertikale Linienstücke) werden unterhalb und oberhalb der Box abgetragen. Die StatBio 116
43 Linienendpunkte sind durch die größte und kleinste Beobachtung definiert. Wenn allerdings die Beobachtungen vom oberen bzw. unteren Rand der Box zu weit entfernt liegen, nämlich mehr als 1.5 (Q 3 Q 1 ), endet die Linie bei dem höchsten bzw. niedrigsten Beobachtungswert, der gerade noch innerhalb dieses Bereiches liegt (man spricht von der größten,,normalen und kleinsten,,normalen Beobachtung). Alle Messwerte, die extremer sind, werden einzeln, meistens durch Sterne, gekennzeichnet. Dies sind dann potenzielle Ausreißer. Die Zahl 1.5 ist so gewählt, dass für,,normale Stichproben Folgendes gilt: Etwa 99% der Daten liegen im Intervall [Q IQR, Q IQR] Ist der Boxplot unsymmetrisch, so zeigt dieser eine Schiefe in den Daten. StatBio 117
44 * Q 3 größte,,normale Beobachtung ( Q IQR) Q 2 Q 1 kleinste,,normale Beobachtung ( Q IQR) * * extreme Beobachtung Abbildung 4 1 Aufbau eines Box Plots. Man beachte, dass alle im Box Plot verwendeten Kennzahlen relativ robust gegenüber Ausreißern sind, denen damit praktisch die Möglichkeit genommen wird, sich hinter bereits beeinflussten Kennzahlen zu verstecken (,,masking ). StatBio 118
45 Abbildung 4 2 Box Plot der Plasma Daten StatBio 119
46 Für die Plasma Daten ergibt sich wegen 1.5 IQR = = das Intervall [Q IQR, Q IQR] = [ , ] = [3.338, 4.487]. Die kleinste Beobachtung 3.3 (Beobachtungsnummer 2) liegt nicht in diesem Intervall und wird als potenzieller Ausreißer gekennzeichnet. Der untere Whisker endet somit bei bei der kleinsten,,normalen Beobachtung 3.6. Die größte Beobachtung (Beobachtungsnummer 3, 8, 16) beträgt 4.6 und liegt nicht in diesem Intervall. Diese Beobachtung wird daher als potenzieller Ausreißer gekennzeichnet. Die größte,,normale StatBio 120
47 Beobachtung ist dann 4.1, wo auch der obere Whisker endet. Der Median von 3.9 liegt näher an 4.1 (größte normale Beobachtung) als an 3.6 (kleinste normale Beobachtung). Dies deutet auf eine Linkssschiefe hin. Betrachtet man den Median nur in Bezug zur Box, so zeigt sich eine leichte Rechtsschiefe (der Median liegt etwas näher an als an 4.487). StatBio 121
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
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
MehrKapitel 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
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)
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
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
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
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
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
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
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
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
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
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
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
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
Mehr2. Beschreibung von eindimensionalen (univariaten) Stichproben
1 2. Beschreibung von eindimensionalen (univariaten) Stichproben Bei eindimensionalen (univariaten) Daten wird nur ein Merkmal untersucht. Der Fall von zwei- oder mehrdimensionalen Daten wird im nächsten
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
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
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
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
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
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,
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
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 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
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:
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
Mehrbenötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht.
, D 1 Kreuze die richtige Aussage an und stelle die anderen Aussagen richtig. A Das arithmetische Mittel kennzeichnet den mittleren Wert einer geordneten Datenliste. B Die Varianz erhält man, wenn man
MehrPROC 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
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
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
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.5: Histogramm (klassierte erreichte Punkte, Fortsetzung Bsp. 1.1) 0.25 0.2 Höhe 0.15 0.1 0.05 0 0 6 7 8,5 10 11 erreichte Punkte Dr. Karsten Webel 24 Beispiel 1.5: Histogramm (Fortsetzung) Klasse
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
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,
Mehra) x = 1150 ; x = 950 ; x = 800 b) Die Lagemaße unterscheiden sich voneinander. c) Der Median charakterisiert die Stichprobe am besten.
R. Brinkmann http://brinkmann-du.de Seite 6.0.2009 Lösungen Mittelwert, Median II se: E E2 E3 E4 E5 E6 a) Notendurchschnitt 2,6 b) Säulendiagramm siehe ausführliche Lösung. c) Kreisdiagramm siehe ausführliche
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
MehrDeskriptive 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
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
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße 3.0 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals: Lage und Zentrum der Daten,
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrDeskriptive Statistik II. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Deskriptive Statistik II Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Übersicht Wiederholung Maße der zentralen Tendenz Streuungsmaße Zusammenfassung einer Verteilung tabellarisch
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
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
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
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
MehrMedian 2. Modus < Median < Mittelwert. Mittelwert < Median < Modus. 2 Modalwerte oder Modus viel größer bzw. viel kleiner als Mittelwert
Universität Flensburg Zentrum für Methodenlehre Tutorium Statistik I Modus oder Modalwert (D) : - Geeignet für nominalskalierte Daten - Wert der häufigsten Merkmalsausprägung - Es kann mehrere Modalwerte
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
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
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
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
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
MehrStreuungsmaße. Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre Varianz (empirische) Varianz (Streuung) s 2 = 1 n
Streuungsmaße Diskrete Stetige Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre (empirische) (Streuung) s 2 = 1 n (X i X) 2 n 1 i=1 s 2 n var(x) Warum Division durch (n
MehrMaße der zentralen Tendenz
UStatistische Kennwerte Sagen uns tabellarische und graphische Darstellungen etwas über die Verteilung der einzelnen Werte einer Stichprobe, so handelt es sich bei statistischen Kennwerten um eine Kennzahl,
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
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
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
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 19. Oktober 2009 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net Dort können Sie Materialien
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.........................................
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
MehrI.V. Methoden 2: Deskriptive Statistik WiSe 02/03
I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 Vorlesung am 04.11.2002 Figures won t lie, but liars will figure. General Charles H.Grosvenor Dr. Wolfgang Langer Institut für Soziologie Martin-Luther-Universität
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
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.
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.
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
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
MehrStreuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand
Streuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand Berechnung der mittleren quadratischen Abweichung und der Varianz aus einer Urliste Standardabweichung
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
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
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 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
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
Mehrberuflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
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
Mehr8 Stichprobenkennwerteverteilung
8 Stichprobenkennwerteverteilung 8.1 Vorbemerkungen 8.2 Die Normalverteilung: Teil 2 8.3 Die t Verteilung 8.4 Normalverteilungs Approximation: Der zentrale Grenzwertsatz 8.1 Vorbemerkungen Daten x 1,...,
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
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
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
MehrEindimensionale Darstellungen
Deskriptive Statistik Eindimensionale Darstellungen, Fraktile, Trimean, Box-Plot; Stem-and-Leaf 27.04.2009 1/52 Fraktile, Quantile und Quartile Allgemein werden Zerlegungen der geordneten Beobachtungsreihen
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
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
MehrDeskriptive Statistik
Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)
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
MehrBeschreibung univariater Verteilungen
Inhaltsverzeichnis Beschreibung univariater Verteilungen... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-4)... 4 1. Verteilungsformen... 4 2. Masse der zentralen Tendenz (Mittelwerte)... 5 Einleitung...
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
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:
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
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:
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
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
Mehr