Statistik und Wahrscheinlichkeitsrechnung
|
|
- Joseph Böhmer
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1
2 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten Schritt werden wir die Daten Risiken nur beschreiben: numerisch grafisch Entscheidungsfindung Konsequenzen von Ereignissen 2
3 Inhalte der heutigen Vorlesung Überblick der beschreibenden Statistik Numerische Kennwerte Mit welchen einfachen Zahlen können Datenmengen charakterisiert werden? Grafische Darstellung von Datenmengen Wie werden Datenmengen informativ in Grafiken umgesetzt? 3
4 Ziel der beschreibenden Statistik Beschreiben von Datenmengen Körpergrösse Kennwerte Grafiken Keine Annahmen nur Beschreibung!! 4
5 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Z.B.: Die Grundgesamtheit aller Studierenden, welche für Statistik und Wahrscheinlichkeitsrechnung eingeschrieben sind, ist m = 38. Stichprobe von letzter Woche, n =
6 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Z.B.: Biegezähigkeit von Büroklammern, m =. Stichprobe, n = 222 6
7 Vorbemerkung Stichprobe und Grundgesamtheit Die statistischen Eigenschaften einer Grundgesamtheit werden anhand von Stichproben untersucht. Damit die Stichprobe die Grundgesamtheit repräsentiert, müssen die Stichproben zufällig aus der Grundgesamtheit entnommen werden. 7
8 Ziel der beschreibenden Statistik Beschreiben von Datenmengen Körpergrösse Kennwerte Grafiken Keine Annahmen nur Beschreibung!! 8
9 Datenbeschreibung Zusammenfassen zu nur einem Kennwert Arithmetisches Mittel: Für einen Datensatz: n 1 x x i n i1 x x, x,..., x n 1 2 T Um eine Stichprobe nur mit Hilfe eines Kennwertes zu beschreiben, wird normalerweise der Stichproben Mittelwert verwendet. 9
10 Datenbeschreibung Einfache grafische Darstellung von Stichproben Eindimensionales Streudiagramm: Körpergrösse [cm] weiblich n = 55 männlich n =
11 Datenbeschreibung Einfache grafische Darstellung von Stichproben Eindimensionales Streudiagramm: Körpergrösse [cm] weiblich n = 55 männlich n = Guter Datenüberblick (Maximum, Minimum). Vorsicht bei diskret verteilten Daten! 11
12 Datenbeschreibung Einfache grafische Darstellung von Stichproben Eindimensionales Streudiagramm: Mittelwert Frauen = Körpergrösse [cm] weiblich n = 55 männlich n = 169 Mittelwert Männer = n 1 Der Stichprobenmittelwert x x i entspricht dem Schwerpunkt der Daten. n i1 12
13 Datenbeschreibung Einfache grafische Darstellung von Stichproben Histogramm: Einteilung der Datenreihe in Intervalle. Darstellung der Grösse der Intervalle. z.b. die Körpergrösse Intervall Anzahl 15<x <x <x <x <x 2 7 n =
14 Datenbeschreibung Einfache grafische Darstellung von Stichproben Histogramm: Intervall Anzahl 15<x <x <x <x <x 2 7 n = 224 Absolute Häufigkeit Körpergrösse [cm] n = <x 16 16<x 17 17<x 18 18<x 19 19<x
15 Datenbeschreibung Neben dem Mittelwert gibt es noch andere sog. Lageparameter: Der Median oder Zentralwert x der Stichprobe ist der mittlere Wert einer nach der Grösse geordneten Stichprobe o o o. x1 x2... x n x xn1 2 1 xn xn n ungerade n gerade Beispiele: [ ] [ ] 15
16 Datenbeschreibung Neben dem Mittelwert gibt es noch andere sog. Lageparameter: Der Median oder Zentralwert x der Stichprobe ist der mittlere Wert einer nach der Grösse geordneten Stichprobe o o o. x1 x2... x n Absolute Häufigkeit Körpergrösse [cm] n = <x 16 16<x 17 17<x 18 18<x 19 19<x Mittelwert = Median =
17 Datenbeschreibung Neben dem Stichproben Mittelwert gibt es noch andere sog. Lageparameter: Absolute Häufigkeit Der Modus oder Modalwert der Stichprobe ist der am häufigsten auftretende Wert bei kontinuierlichen Wertemengen u.a. aus Histogramm ersichtlich. Körpergrösse [cm] n = Modus 15<x 16 16<x 17 17<x 18 18<x 19 19<x Mittelwert = Median =
18 Datenbeschreibung Streuungsparameter Streuung um den Mittelwert Die Varianz der Stichprobe Die Standardabweichung der Stichprobe s 2 1 n n i1 n i 1 ( xi x ) n 1 s ( x x) i 2 2 Der Variationskoeffizient der Stichprobe (relative Streuung, COV) s x 18
19 Datenbeschreibung Streuungsparameter Streuung um den Mittelwert Varianz s n 2 1 n i1 ( xi x ) 2 2 Standardabweichung s ( x x) COV 1 n n i 1 i s x Beispiel Absolute Häufigkeit n = 224 Körpergrösse [cm] x [cm] s 66.4 [cm ] 2 2 s 8.15 [cm].46 [-] Absolute Häufigkeit n = 223 Gewicht [kg] x [kg] s [kg ] 2 2 s 1.29 [kg].147 [-] 19
20 Datenbeschreibung Streuungsparameter Streuung um den Mittelwert Der Schiefekoeffizient der Stichprobe > Mass für die Asymmetrie Beispiel 1 n n i1 ( x i s 3 x ) 3 Absolute Häufigkeit n = 223 Körpergrösse [cm] Absolute Häufigkeit n = 223 Gewicht [kg]
21 Datenbeschreibung Streuungsparameter Streuung um den Mittelwert Der Schiefekoeffizient der Stichprobe > Mass für die Asymmetrie Beispiel 1 n n i1 ( x i s 3 x ) 3 Absolute Häufigkeit n = 223 Körpergrösse [cm] Absolute Häufigkeit n = 223 Gewicht [kg] Linksschief Rechtsschief 21
22 Datenbeschreibung Streuungsparameter Streuung um den Mittelwert Kurtosis der Stichprobe: > Mass für die Spitzigkeit / Gipfligkeit Beispiel 1 n n i1 ( x i s 4 x ) 4 Absolute Häufigkeit n = 223 Körpergrösse [cm] Absolute Häufigkeit n = 223 Gewicht [kg] 22
23 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften x x, x, x,..., x n T y y, y, y,..., y n T 23
24 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Das zweidimensionale Streudiagramm 13 Körpergrösse vs. Gewicht Gewicht [kg] n= Körpergrösse [cm] 24
25 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Das zweidimensionale Streudiagramm 2 Büroklammerbiegetest AnzahlBiegungen "grosse" Klammern n = Anzahl Biegungen "kleine" Klammern 25
26 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Die Kovarianz der Stichprobe: Gewicht [kg] Körpergrösse vs. Gewicht n 1 s ( x x) ( y y) XY i i n i Körpergrösse [cm] n=224 x Körpergrösse x cm y Gewicht y kg 26
27 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Die Kovarianz der Stichprobe: n 1 s ( x x) ( y y) XY i i n i 1 Der Korrelationskoeffizient der Stichprobe: r XY 1 n n i1 ( x i x ) ( s X s Y y i y ) ist limitiert auf das Interval 1,1 27
28 Datenbeschreibung Beschreibung von paarweise beobachteten Eigenschaften Der Korrelationskoeffizient: r XY n ( xi x) ( yi y) 1 i n s s X Y Gewicht [kg] Körpergrösse vs. Gewicht x Körpergrösse x cm y Gewicht y kg 5 n= Körpergrösse [cm] 28
29 Nummerische Kennwerte Lageparameter: Arithmetisches Mittel Median Modalwert Streuungsparameter: Varianz / Standardabweichung Variationskoeffizient Andere Parameter: Schiefekoeffizient Kurtosis Schwerpunkt der Stichprobe mittlerer Wert einer Stichprobe am häufigsten vorkommender Wert Verteilung um den Mittelwert Variabilität relativ zum Mittelwert Schiefe relativ zum Mittelwert Spitzigkeit/Gipfligkeit um den Mittelwert Masse für Korrelation: Kovarianz Tendenz für paarweise beobachtete Eigenschaften Korrelationskoeffizient Normalisierter Koeffizient zwischen 1 und +1 29
30 Weitere grafische Darstellungsformen Histogramm Fortsetzung Quantil Plots TukeyBox Plots 3
31 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössen Intervalle Auftragen der Häufigkeit je Intervall Beispiel: Ihre Büroklammerdaten vom letzten Mal grosse Klammern, Stichprobenumfang n = 223, Maximalwert 164, Minimalwert 4. Einteilung in 17 Intervalle; [,1); [1,2); [2,3); ; [16,17) 31
32 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössen Intervalle Auftragen der Häufigkeit je Intervall Beispiel: Absolute Häufigkeit n = 223 Anzahl Biegungen der grossen Klammern 32
33 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössen Intervalle Auftragen der Häufigkeit je Intervall Beispiel: Absolute Häufigkeit Aussage abhängig von der Anzahl der Intervalle! 17 Intervalle n = 223 Absolute Häufigkeit Intervalle n = 223 Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 33
34 Histogramm Prinzip: Aufteilung der Stichprobe in k Grössen Intervalle Auftragen der Häufigkeit je Intervall Faustregel für die Anzahl der Intervalle: k13.3log n Beispiel: Büroklammerdaten grosse Klammern, Stichprobenumfang n = 223, Wertebereich [4,164] [,2); [2,4); [4,6); ; [16,18) oder [4,24); [24,44); [44,64); ; [164,184.)? k 13.3log Intervalle 34
35 Histogramm Absolute Häufigkeit n = 223 Absolute Häufigkeit 12 9 Intervalle 9 Intervalle n = Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 35
36 Histogramm Die Form des Histogramms hängt ab von der Anzahl der Intervalle. der Wahl des Startpunktes. Absolute Häufigkeit n = 223 Absolute Häufigkeit n = 223 Absolute Häufigkeit n = 223 Absolute Häufigkeit n = 223 Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 36
37 Histogramm Bisher haben wir die absolute Häufigkeit betrachtet. Absolute Häufigkeit n = 223 Anzahl Biegungen der grossen Klammern 37
38 Histogramm Bisher haben wir die absolute Häufigkeit betrachtet. In der Regel wird die Häufigkeit relativ, also normiert betrachtet Absolute Häufigkeit n = 223 Relative Häufigkeit n = Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 38
39 Histogramm Eine Spielart des Histogramms ist das kumulative Häufigkeitsdiagramm. Histogramm kumulatives Häufigkeitsdiagramm.45 1 n = n = Relative Häufigkeit Kumulative relative Häufigkeit Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 39
40 Histogramm Eine Spielart des Histogramms ist das kumulative Häufigkeitsdiagramm. Hier kann die Intervalleinteilung beliebig klein sein! 1 n = n = Kumulative relative Häufigkeit Kumulative relative Häufigkeit Anzahl Biegungen der grossen Klammern Anzahl Biegungen der grossen Klammern 4
41 Weitere grafische Darstellungsformen HistogrammTeil II. Quantil Plots TukeyBox Plots 41
42 Quantil Plot Das Quantil ist für eine gegebene Anzahl an Beobachtungen wie folgt definiert: Das Quantil ist der Wert, der die unteren 1% der Messwerte von den oberen 1% 1% trennt. Beispiel: Das.75 Quantil wird von 1%.751% 25% der Daten überschritten. Die Quantile werden von der geordneten (sortierten) Stichprobe berechnet: o o o x1 x2... x n DerQuantilindex wird wie folgt berechnet: i ; n: Gesamt Anzahl der Beobachtungen, Rang i=1,2..., n n 1 42
43 Quantil Plot Quantil Plots werden durch Auftragen der Daten und der Quantilindizes gebildet. Anzahl Biegungen der "grossen" Klammern Quantilindex n = 223 i i n 1 xi
44 Kumulatives Häufigkeitsdiagramm Werden im Quantil Plots die Achsen vertauscht ergibt dies ein kumulatives Häufigkeitsdiagramm. n = Anzahl Biegungen der "grossen" Klammern Quantilindex Quantilindex Anzahl Biegungen der "grossen" Klammern 44
45 Kumulatives Häufigkeitsdiagramm 1.75 n = 223 oberes Quartil =.75 Quantil Quantilindex.5.25 unteres Quartil =.25 Quantil Anzahl Biegungen der "grossen" Klammern 45
46 Kumulatives Häufigkeitsdiagramm 1 n = oberes Quartil =.75 Quantil Quantilindex.5.25 grosse Klammern kleine Klammern unteres Quartil =.25 Quantil Anzahl Biegungen der Klammern 46
47 Tukey Box Plot Der Tukey Box Plot illustriert: Median untere und obere Quartilwerte unterer und oberer Nachbarschaftswert interquartile Differenz Ausreisser 47
48 Tukey Box Plot Ausreisser oberer Nachbarschaftswert grösste Beobachtung kleiner/gleich oberes Quartil * r oberes Quartil =.75 Quantil r r = interquartile Differenz Median =.5 Quantil unteres Quartil =.25 Quantil unterer Nachbarschaftswert kleinste Beobachtung grösser/gleich unteres Quartil 1.5 * r 48
49 Tukey Box Plot Büroklammern 49
50 Tukey Box Plot Büroklammern 5
51 Tukey Box Plot Körpergrösse 51
52 Tukey Box Plot Körpergrösse 52
53 Tukey Box Plot Körpergrösse 53
54 Tukey Box Plot Körpergrösse 54
55 Q Q Plots 18 Quantil Quantil Plot Büroklammernbiegeversuche Q Q plots dienen zur Darstellung und dem Vergleich von zwei Datenreihen. 6 Datenpunkte der beiden 4 Datenreihen mit 2 demselben Quantilwert werden aufgetragen. Anzahl Biegungen grosse Klammern Anzahl Biegungen kleine Klammern 55
56 Mittelwert Differenz Plot Mittelwert Differenz Plots dienen zur Darstellung und dem Vergleich von zwei Datenreihen. Das Mittel ( yi xi)/2 wird über die Differenz y aufgetragen. i x i y i -x i Differenz Mittelwert Differenz Plot Büroklammernbiegeversuche Mittelwert ( y x)/2 i i y = grosse Klammern, x = kleine Klammern 56
57 Zusammenfassung Graphische Darstellung Eindimensionales Streudiagramm Zweidimensionales Streudiagramm Histogramm Quantil Plot Tukey Box Plot Q Q Plot Mittelwert Differenz Plot Veranschaulicht den Bereich und die Verteilung von Datenreihen entlang einer Achse, und zeigt Symmetrie. Veranschaulicht den paarweisen Zusammenhang von Daten. Stellt die Verteilung von Daten über einem Bereich von Datenreihen dar, zeigt Modalwert und Symmetrie. Stellt Median, Verteilung und Symmetrie dar. Stellt Median, obere/untere Quartile, Symmetrie und Verteilung dar. Vergleicht zwei Datenreihen, relatives Bild. Vergleicht zwei Datenreihen, relatives Bild. 57
58 Statistik und Wahrscheinlichkeitsrechnung 58
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
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
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
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
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
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
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
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
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
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
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:
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
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
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrBeispiel 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
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.
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
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
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?
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
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
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
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
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
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,
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
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
MehrBeschreibende Statistik
Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
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
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
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,
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
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
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
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. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
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
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
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
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
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.
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
MehrUnivariates Datenmaterial
Univariates Datenmaterial 1.6.1 Deskriptive Statistik Zufallstichprobe: Umfang n, d.h. Stichprobe von n Zufallsvariablen o Merkmal/Zufallsvariablen: Y = {Y 1, Y 2,..., Y n } o Realisationen/Daten: x =
Mehr4 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
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
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
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
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
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
Mehr2 Grundlagen der Statistik
2 Grundlagen der Statistik Wir haben nun das theoretische Handwerkszeug beisammen, um uns praktischen Fragen der Art zu widmen, wie wir sie zu Anfang des ersten Kapitels gestellt haben: Wenn Sie beispielsweise
MehrDemokurs. Modul Grundlagen der Wirtschaftsmathematik Grundlagen der Statistik
Demokurs Modul 31101 Grundlagen der Wirtschaftsmathematik und Statistik Kurs 40601 Grundlagen der Statistik 13. Juli 2010 KE 1 2.4 Schiefe und Wölbung einer Verteilung Seite: 53 2.4 Schiefe und Wölbung
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
Mehr1. Teilprüfung FS 2009
Prof. Dr. Michael Havbro Faber, ETH ürich, Schweiz 1. Teilprüfung Statistik und Wahrscheinlichkeitsrechnung FS 2009 Prof. Dr. Michael Havbro Faber ETH ürich Donnerstag 2. April 2009 08:00 09:30 Vorname:...
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
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
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistische Methoden in der MMST: Deskriptive Statistik
Statistische Methoden in der MMST: Deskriptive Statistik VL MMS Wintersemester 2013/14 Professur für Prozessleittechnik L. Urbas; J. Pfeffer Ziele und Inhalt Statistik in der MMST Anwendungsgebiete Evaluationen
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
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
MehrGrafische Darstellungen. Box-and-Whiskers-Plot (Boxplot) Grafische Darstellungen. Grafische Darstellungen
Box-and-Whiskers-Plot (Boxplot) der Boxplot vereinigt bekannte deskriptive Kenngrößen zu einer grafischen Darstellung Box x 0.5, Median, x 0.75 vertikale Linien x 0.5 -.5 IQR x 0.75 +.5 IQR Extremwerte
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
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 2 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 4 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:
Mehr8. Statistische Methoden in der Hydrologie 8.1 Begriffe der Statistik Menge aller möglichen Beobachtungswerte. Sie ist zahlenmäßig nicht begrenzt.
8. Statistische Methoden in der Hydrologie 8.1 Begriffe der Statistik Grundgesamtheit: Menge aller möglichen Beobachtungswerte. Sie ist zahlenmäßig nicht begrenzt. Stichprobe: Zufällige Auswahl von N Beobachtungswerten
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.
MehrStatistische Methoden in der MMST: Deskriptive Statistik
Statistische Methoden in der MMST: Deskriptive Statistik VL MMS Wintersemester 2014/15 Professur für Prozessleittechnik L. Urbas; J. Pfeffer Ziele und Inhalt Statistik in der MMST Anwendungsgebiete Evaluationen
Mehr13,86. Schritt 4: Berechnung des Quartilsabstandes. Unteres Quartil! #5,5.
Lösung Aufgabe A1 Detaillierter Lösungsweg: Schritt 1: Prüfung, ob die gegebene Messreihe sortiert ist, In diesem Beispiel ist dies der Fall und wir haben insgesamt 22 Messungen. Schritt 2: Berechnen des
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
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
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
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
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
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
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
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
MehrGrundlagen der Probabilistik
Grundlagen der Probabilistik Gliederung Einleitung Theoretische Grundlagen der Stochastik Probabilistische Methoden Mögliche Ergebnisse von probabilistischen Untersuchungen Mögliche Fehlerquellen bei probabilistischen
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 08.04.2008 Der zentrale Grenzwertsatz Normalverteilung Die Wahrscheinlichkeitsdichteverteilung der Summe von Zufalls variablen konvergiert zu
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
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
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
MehrEinfache Statistiken in Excel
Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum
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
MehrUlrich Rohland. Statistik. Erläuterung grundlegender Begriffe und Verfahren
Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren Berichte aus der Sportwissenschaft Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren. Shaker Verlag Aachen
MehrMATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK
MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK PROF. DR. CHRISTINA BIRKENHAKE Inhaltsverzeichnis 1. Merkmale 2 2. Urliste und Häufigkeitstabellen 9. Graphische Darstellung von Daten 10 4. Lageparameter 1
MehrTabellarische und graphie Darstellung von univariaten Daten
Part I Wrums 1 Motivation und Einleitung Motivation Satz von Bayes Übersetzten mit Paralleltext Merkmale und Datentypen Skalentypen Norminal Ordinal Intervall Verältnis Merkmalstyp Diskret Stetig Tabellarische
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
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrKeine Panik vor Statistik!
Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt
Mehr