2. Deskriptive Statistik

Transkript

1 Philipps-Universitat Marburg

2 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten mogliche Werte eines Merkmals: Merkmalsauspragungen Untersuchungseinheit Merkmal Merkmalauspragungen Baum Baumart Eiche, Buche,... arbeitslose Person Schulabschluss keiner, Hauptschule, Realschule, Gymnasium Person Familienstand ledig, verheiratet, geschieden,...

3 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten mogliche Werte eines Merkmals: Merkmalsauspragungen Untersuchungseinheit Merkmal Merkmalauspragungen Baum Baumart Eiche, Buche,... arbeitslose Person Schulabschluss keiner, Hauptschule, Realschule, Gymnasium Person Familienstand ledig, verheiratet, geschieden,...

4 Stichproben Grundgesamtheit = Menge der moglichen Untersuchungseinheiten Stichprobe = zufallig gewonnene, endliche Teilmenge der Grundgesamtheit Stichprobenumfang = Anzahl der erhobenen Daten

5 Datentypen Kategorielle (oder nominale) Daten fur jedes Datum welche Kategorie, z.b. Autotypen, Baumart, Nationalitat Ordinale Daten kategorielle Daten mit geordneten Kategorien, z.b. Noten, Erdbebenstarke auf Richter Skala Zahldaten oder diskrete Daten: Zahlen bestimmter Merkmale, z.b. Anzahl mit Geigerzahler registrierten Zerfalle einer Probe, Stetige (oder kontinuierliche) Daten konnen in Wertebereich { zumindest theoretisch { jeden beliebigen Zahlenwert annehmen, z.b. Groe, Alter, Lange. qualitative Daten: kategorielle und ordinale Daten quantitative oder metrische Daten: Zahldaten und stetige Daten.

6 Datentypen Kategorielle (oder nominale) Daten fur jedes Datum welche Kategorie, z.b. Autotypen, Baumart, Nationalitat Ordinale Daten kategorielle Daten mit geordneten Kategorien, z.b. Noten, Erdbebenstarke auf Richter Skala Zahldaten oder diskrete Daten: Zahlen bestimmter Merkmale, z.b. Anzahl mit Geigerzahler registrierten Zerfalle einer Probe, Stetige (oder kontinuierliche) Daten konnen in Wertebereich { zumindest theoretisch { jeden beliebigen Zahlenwert annehmen, z.b. Groe, Alter, Lange. qualitative Daten: kategorielle und ordinale Daten quantitative oder metrische Daten: Zahldaten und stetige Daten.

7 2.2 Beschreibung kategorieller Daten absolute Haugkeiten: Wieviele Daten in jeder Kategorie! auch Kategorien erwahnen, in die keine Daten fallen. relative Haugkeiten: Anteil der Daten in jeder Kategorie! absolute Haugkeiten / Stichprobenumfang. stets zusammen mit Stichprobenumfang angeben. Visualisierung: relative / absolute Haugkeiten als Balkendiagramme: Stapeldiagramm: nach einzelne Balken ubereinander in einem Balken der Groe Tortendiagramme bzw. Kreisdiagramm: als Kreis / Tortensegmente

10 Visualisierung (Wahlergebnisse) Barplot (rel. Häufigkeit) Stapeldiagramm (rel. Häufigkeit) Pie Chart (rel. Häufigkeit) Relative Häufigkeit Relative Häufigkeit CDU SPD FDP DIELINKE GRÜNE CSU PIRATEN Sonstige FDP SPD DIELINKE GRÜNE CSU PIRATEN Sonstige CDU Sonstige PIRATEN CSU GRÜNE DIELINKE FDP SPD CDU Partei

11 Visualisierung (Simpson Paradoxon) Fraction of Income paid as Taxes in the USA e e e e e e e+09 Income 1974 Taxes Paid 1974 Income 1978 Taxes Paid 1978 <5.000$ $ $ $ > $ Total <5.000$ $ $ $ > $ Total Income Group Income Group

12 2.3 Zusammenfassung numerischer Daten Lagemae: Wo (auf der reellen Achse) benden sich die Daten? Streumae: Wie weit streuen die Daten um ein Lagema? Weiter: Mae fur Schiefe: Sind die Daten symmetrisch um ihr Lagema? Mae fur heavy tails: Gibt es viele Daten, die besonders weit vom Lagema entfernt liegen?

13 2.3 Zusammenfassung numerischer Daten Lagemae: Wo (auf der reellen Achse) benden sich die Daten? Streumae: Wie weit streuen die Daten um ein Lagema? Weiter: Mae fur Schiefe: Sind die Daten symmetrisch um ihr Lagema? Mae fur heavy tails: Gibt es viele Daten, die besonders weit vom Lagema entfernt liegen?

14 Lagemae: Mittelwert Mittelwert: arithmetisches Mittel der Daten. Daten x 1 ; : : : ; x n 2 R, dann x = 1 n nx i=1 x i = x x n ; n gewichtetes Mittel: Gewicht g i > 0 fur Beobachtung x i, dann P n i=1 g i x i P n i=1 g i = g 1x g n x n g g n ;

15 Lagemae: Mittelwert Mittelwert: arithmetisches Mittel der Daten. Daten x 1 ; : : : ; x n 2 R, dann x = 1 n nx i=1 x i = x x n ; n gewichtetes Mittel: Gewicht g i > 0 fur Beobachtung x i, dann P n i=1 g i x i P n i=1 g i = g 1x g n x n g g n ;

16 Lagemae: Median Ordnungsstatistiken: geordneten Werte x (1) : : : x (n), d.h. x (1) kleinste, x (n) grote Wert. Median (lat. medius: der mittlere) einfachste Lagema. med(x) = 8 >< >: x ( n+1 2 ) x ( n 2 ) + x ( n 2 +1) 2 fur n ungerade fur n gerade,! mindestens 50% der Daten und 50% der Daten med(x).

17 Streumae: Standardabweichung x = (x 1 ; : : : ; x n ) beobachtete Daten. Varianz: var(x) = 1 n 1 nx i=1 (x i x) 2 = (x 1 x) (x n x) 2 Standardabweichung (engl. standard deviation) sd(x) = p var(x): n 1

18 Variationskoezient Variationskoezienten: relative Schwankung im Verhaltnis zu ihrem Mittelwert sd(x) jxj Bsp.: Energieumsatzrate

19 Interquartilsabstand Quantile: fur 0 < < 1 q (x) = 8 >< >: x ([n +1]) ; falls n keine ganze Zahl ist, 1 2 x (n ) + x (n +1) ; falls n eine ganze Zahl ist.! mindestens 100% der Daten q (x) und (1 ) 100% der Daten q (x). unteres Quartil: q 0;25 (x), oberes Quartil: q 0;75 (x), Interquartilsabstand IQR(x) = q 0;75 (x) q 0;25 (x):

20 Interquartilsabstand Quantile: fur 0 < < 1 q (x) = 8 >< >: x ([n +1]) ; falls n keine ganze Zahl ist, 1 2 x (n ) + x (n +1) ; falls n eine ganze Zahl ist.! mindestens 100% der Daten q (x) und (1 ) 100% der Daten q (x). unteres Quartil: q 0;25 (x), oberes Quartil: q 0;75 (x), Interquartilsabstand IQR(x) = q 0;75 (x) q 0;25 (x):

21 Ma fur Schiefe Schiefe (engl.: skewness) von x 1 ; : : : ; x n : nx skew(x) = 1 3 xi x : n sd(x)! kennzeichnet Abweichung von symmetrischer Lage um x. Ist skew(x) < 0 : linksschief Ist skew(x) > 0 : rechtsschief. i=1

22 Ma fur Schiefe Schiefe (engl.: skewness) von x 1 ; : : : ; x n : nx skew(x) = 1 3 xi x : n sd(x)! kennzeichnet Abweichung von symmetrischer Lage um x. Ist skew(x) < 0 : linksschief Ist skew(x) > 0 : rechtsschief. i=1

23 Verteilungsschwanze (heavy tails) Kurtosis von x 1 ; : : : ; x n : kurtosis(x) = 1 n nx i=1 4 xi x 3: sd(x)! kennzeichnet Abweichung von Verteilungsschwanzen der Normalverteilung. Ist kurtosis(x) < 0 : low tails Ist kurtosis(x) > 0 : heavy tails. im Vergleich zur Normalverteilung.

24 Verteilungsschwanze (heavy tails) Kurtosis von x 1 ; : : : ; x n : kurtosis(x) = 1 n nx i=1 4 xi x 3: sd(x)! kennzeichnet Abweichung von Verteilungsschwanzen der Normalverteilung. Ist kurtosis(x) < 0 : low tails Ist kurtosis(x) > 0 : heavy tails. im Vergleich zur Normalverteilung.

25 Graphische Darstellung numerischer Daten Boxplot Graphische Darstellung der 5 Zahlen Median, unteres und oberes Quartil, Max. und Min. Box. zwischen q 0:25 und q 0:75, darin Median als Strich Striche (engl. Whiskers) bis Max. und Min. Histogramm Unterteilung des Wertebereichs in disjunkte Intervalle, Plotte Rechtecke auf Intervalle, Hohe: Anzahl (Anteil) Daten in dem Intervall Rug-Plot Erganzend zu Histogramm, Plotte Daten als Striche auf x-achse

28 2.4 Transformationen: Linear lineare Transformationen: Fur a; b 2 R; a 6= 0, f (x i ) = ax i + b; i = 1; : : : ; n: Bsp.: Grad Celsius in Grad Kelvin, Euro in Dollar. Standardisierung. f (x i ) = x i x sd x :

29 2.4 Transformationen: Linear lineare Transformationen: Fur a; b 2 R; a 6= 0, f (x i ) = ax i + b; i = 1; : : : ; n: Bsp.: Grad Celsius in Grad Kelvin, Euro in Dollar. Standardisierung. f (x i ) = x i x sd x :

30 Logarithmus und Potenzen Transformation positiver Daten x i > 0. Logarithmieren: f (x i ) = log(x i ).! rechtsschiefe Daten symmetrisch machen. Allgemeiner: Box-Cox-Transformationen fur > 0: f (x i ) = x i 1 ; fur! 0: erhalte Logarithmus. fur 0 < < 1: rechtsschiefe Daten symmetrisch machen. fur 1 < : linksschiefe Daten symmetrisch machen.

31 Logarithmus und Potenzen Transformation positiver Daten x i > 0. Logarithmieren: f (x i ) = log(x i ).! rechtsschiefe Daten symmetrisch machen. Allgemeiner: Box-Cox-Transformationen fur > 0: f (x i ) = x i 1 ; fur! 0: erhalte Logarithmus. fur 0 < < 1: rechtsschiefe Daten symmetrisch machen. fur 1 < : linksschiefe Daten symmetrisch machen.

32 Visualisierung (Deutschland Daten) Histogram of BIP 1992 Boxplot of BIP 1992 Frequency BIP92 Histogram of log(bip 1992) Boxplot of log(bip 1992) Frequency lbip92