STATISIK. LV Nr.: 0021 WS 2005/06 11.Oktober 2005
|
|
- Frieder Schmidt
- vor 6 Jahren
- Abrufe
Transkript
1 STATISIK LV Nr.: 0021 WS 2005/06 11.Oktober
2 Literatur Bleymüller, Gehlert, Gülicher: Statistik für Wirtschaftswissenschaftler, Verlag Vahlen Hartung: Statistik. Lehr- und Handbuch der angewandten Statistik, Oldenburg Verlag München Wien 2
3 Lernplattform Common body of Knowledge: Statistik Kontrollfragen Musterklausuren 3
4 Einführung Statistik : Abgeleitet vom neulateinischen Begriff status (Bed.: Staat, Zustand ) 18. und 19. Jhdt: Lehre von der Zustandsbeschreibung des Staates (Sammeln und verbales oder numerisches Beschreiben von Daten) Heute: im doppelten Sinne gebraucht Quantitative Informationen (z.b. Bevölkerungsstatistik) Formale Wissenschaft 4
5 Statistik Statistik befasst sich mit Erhebung (Sammeln von Daten. Wie kommt man zu der benötigten Information?) Aufbereitung (Präsentation; Reduktion von Daten, wobei ein Großteil der Information erhalten bleiben soll; wenige Kenngrößen; einfache Grafiken) Analyse (Welche Schlüsse kann man ziehen? Allgemeine Aussagen basierend auf Stichproben?) von (numerischen) Daten. 5
6 Warum? Warum Statistik? Entscheidungshilfe z.b. 2 verschiedene Produkte welches soll am Markt eingeführt werden? Tieferes Verständnis bei Problemen z.b. Welche Faktoren beeinflussen die Kaufentscheidung? Richtung des Einflusses? 6
7 Wie? Wie Statistik? Planung (Untersuchungsziel, Organisation,...) Erhebung Befragung (schriftlich, mündlich, telefonisch) Beobachtung (in Wirtschaftswissenschaften selten) Experiment (v.a. in Naturwissenschaften) Automatische Erfassung (z.b. Scannerkassen) Aufbereitung (Verdichtung der Daten) Analyse (deskriptive u. induktive Methoden) Interpretation 7
8 Fragestellung Klarer Aufbau / Struktur Offene oder geschlossene Frage? Fragen exakt und neutral formulieren Antwortalternativen: klar und ausgewogen Reihenfolge der Antwortalternativen Suggestive Fragestellungen vermeiden Kontrolle: sinngemäß gleiche Fragen 8
9 Befragungen Schriftliche Befragung - Befragungssituation nicht kontrollierbar - Keine Zusatzauskünfte, Erklärungen usw. - Antworten nicht spontan - Reihenfolge der Fragenbeantwortung? - Rücklaufquote oft gering Mündliche Befragung - Aufhebung der Anonymität - Interviewereffekt - Zeitlicher Antwortdruck 9
10 Deskriptiv - Induktiv Deskriptive Statistik beschreibende Statistik Beschreibung und Zusammenfassung Darstellung von Daten (Tabellen u. Grafiken) Kennzahlen (z.b. Mittelwerte, Streuungsmaße) Induktive Statistik schließende Statistik Von Stichproben auf Grundgesamtheiten Schätzer Tests Entscheidungstheorie 10
11 Statistische Daten Von Interesse sind nie einzelne elementare Objekte (statistische Einheiten, Elemente) sondern immer Mengen von Elementen (statistische Gesamtheiten, statistische Massen). Reale und hypothetische Gesamtheiten z.b. Bevölkerung eines Staates, Menge der Ergebnisse eines theoretisch fortlaufend ausgespielten Würfels Endliche und unendliche Gesamtheiten 11
12 Statistische Massen Bestandsmassen (Streckenmassen): Objekte mit Lebensdauer Werden zu einem Zeitpunkt erfasst z.b. Einwohner Österreichs am , Lagerbestand am Bewegungs- oder Ereignismassen (Punktmassen) Ereignisse Werden innerhalb einer Zeitspanne erfasst z.b. Geburten in Österreich im Jahr 2004, bei einer Bank eingegangene Schecks im April
13 Statistische Massen Beziehung Bestands- und Bewegungsmasse: Für jedes Element einer Bestandsmasse stellt der Beginn und das Ende der Existenz ein Ereignis dar Fortschreibungsformel: Anfangsbestand + Zugang Abgang = Endbestand Bestandsmasse Bewegungsmasse 13
14 Statistische Daten Angehörige der Massen: Merkmalsträger / Beobachtungseinheit (Personen, Objekte) Erhoben werden Werte von Merkmalen / Variablen (Merkmalsausprägungen) der Merkmalsträger (statistische) Population: Gesamtheit aller Beobachtungseinheiten Bsp: Haarfarbe = Merkmal, Person X = Merkmalsträger, blond = Merkmalsausprägung des Merkmals Haarfarbe des Merkmalsträgers X 14
15 Datenerhebung Vollerhebung Es werden Daten von allen Elementen der Population erhoben. Stichprobenerhebung Es werden Daten von einer Teilmenge (Stichprobe) der Population erhoben. 15
16 Stichprobenerhebung Aufgabe: Aussagen über Grundgesamtheit Stichprobe (Kosten, Zeit, Möglichkeit) Zufallsstichprobe (theoretisch fundierte Aussagen über Zuverlässigkeit der Ergebnisse sind möglich) Quotenstichprobe (keine theoretisch fundierten Aussagen über die Zuverlässigkeit der Ergebnisse) Stpr. heißt repräsentativ, wenn ein Schluss auf Grundgesamtheit erlaubt ist Stichprobe verkleinertes Abbild der Grundgesamtheit. 16
17 Datenerhebung Messen von Merkmalsausprägungen Kriterien für Messungen: Objektivität das zu ermittelnde Merkmal wird eindeutig festgestellt, Ergebnis ist unabhängig von der Person die misst Validität (Gültigkeit) Messinstrument misst, was es messen soll Reliabilität (Zuverlässigkeit) Ergebnis der Messung wird exakt festgestellt, bei mehrmaligem Messen (approximativ) gleiches Ergebnis 17
18 Statistische Merkmale Qualitative Merkmale Messen durch Klassifikation (z.b. Geschlecht) Quantitative Merkmale Messen durch Zählen (z.b. Alter, Körpergröße) Diskrete Merkmale Messen mit ganzen Zahlen (z.b. Anzahl Familienmitglieder) Stetige Merkmale Messen mit reellen Zahlen (z.b. Körpergröße) 18
19 Merkmalsskalen Nominalskala Werte unterliegen keiner Rangfolge und sind nicht vergleichbar (z.b. Farbe, Geschlecht,...) Ordinalskala Werte unterliegen einer Rangfolge, Abstände zw. verschiedenen Ausprägungen lassen sich nicht interpretieren (z.b. Schulnoten, Güteklassen,...) Intervallskala Rangfolge, Abstände zw. verschiedenen Ausprägungen sind interpretierbar (z.b. Temperatur in Grad Celsius, Kalenderzeitrechung,...) Verhältnisskala Rangfolge, interpretierbare Abstände, absoluter Nullpunkt (z.b. Körpergröße, Alter) 19
20 Merkmalsskalen Zulässige Transformationen (informationserhaltend) Nominalskala: symmetrische Transformationen nur Änderung der Klassenbezeichnungen Ordinalskala: streng monotone Transformationen x * =f(x) so dass für x 1 < x 2 auch x 1* < x * 2 Intervallskala: lineare Transformationen x * =ax + b (a > 0) Verhältnisskala: Ähnlichkeitstransformationen x * =ax (a > 0) 20
21 Empirische Verteilungen Häufigkeitsverteilung Beobachtete Daten, n Untersuchungseinheiten, Merkmal X k Merkmalsausprägungen (x 1,..., x k ) j-te Untersuchungseinheit (j=1,...,n), Ausprägung x i (i=1,...,k) Liste der beobachteten Merkmalsausprägungen: Beobachtungsreihe oder Urliste 21
22 Empirische Verteilungen Absolute Häufigkeiten: h i = Anzahl der Elemente, welche Merkmalsausprägung x i besitzen, i=1,...,k h i [0,n] und S i h i = n (i=1,...,k) Relative Häufigkeit: f i = 1/n h i f i [0,1] und S i f i = 1 (i=1,...,k) Vorsicht: Anzahl der möglichen Werte oft Anzahl der tatsächlichen Werte 22
23 Empirische Verteilungen Diskrete Merkmale: Einzelwerte Stetige Merkmale: Klasseneinteilung In beiden Fällen werden Häufigkeiten gezählt. Sind x i Zahlen, werden sie ansteigend geordnet. 23
24 Darstellungsformen Stetige Merkmale: Klassen bilden Klassengrenzen: x 0, x 1,..., x k Häufigkeiten h i : Anzahl der Werte zwischen x i-1 und x i. Liegt ein Wert genau auf der Klassengrenze, wird er üblicherweise der unteren Klasse zugerechnet 24
25 Darstellungsformen Tabelle Häufigkeitsverteilung Ausprägung x i Anzahl Fam.mitglieder; h i Anteil Fam.mitglieder; f i 1 1 0, , , , ,14 S
26 Darstellungsformen Grafik: Balkendiagramm für absolute und relative Häufigkeiten gleich Skalierung der y-achse Anzahl Familienmitglieder Anzahl Familienmitglieder 25 0,50 0,45 Absolute Häufigkeit h Relative Häufigkeit f 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0, , Merkmalsausprägung xi Merkmalsausprägung xi 26
27 Darstellungsformen Grafik: Histogramm Körpergröße in cm
28 Darstellungsformen Balkendiagramm: Abstand zwischen den Balken. Die Höhe stellt die Häufigkeit dar. Histogramm: Kein Abstand zwischen den Balken. Bei ungleich breiten Klassen ist die Fläche nicht die Höhe Maß für die Häufigkeit. Die Balkenhöhe entsteht durch Division von Häufigkeit und Klassenbreite (Höhe=h i /b i ). 28
29 Darstellungsformen Tortendiagramm Anzahl Familienmitglieder 5 14% 1 2% 2 7% 3 29% 4 48% 29
30 Darstellungsformen Liniendiagramm: Familienmitglieder Häufigkeit Anzahl der Familienmitglieder 30
31 Summenhäufigkeitsfunktion Absoluten Summenhäufigkeiten H i : Fortlaufende Summierung (Kumulierung) der absoluten Häufigkeiten. H i Anzahl der Elemente mit Merkmalswert x i. H i = h 1 +h h i = S j h j für j=1,...,i und i=1,...,k Relative Summenhäufigkeiten F i : Fortlaufende Summierung der relativen Häufigkeiten. F i = f 1 +f f i = S j f j für j=1,...,i und i=1,...,k F i = H i /n für i=1,...,k 31
32 Summenhäufigkeitsfunktion Häufigkeiten aus Summenhäufigkeiten berechnen: h i = H i H i-1 (i=1,...,k) f i = F i F i-1 (i=1,...,k) wobei H 0 = F 0 = 0 Ausprägung x i Anzahl Fam.mitglieder; h i Anteil Fam.mitglieder; f i Anzahl höchstens x i Fam.mitglieder Anteil höchstens x i Fam.mitglieder 1 1 0,02 1 0, ,07 4 0, , , , , , S
33 Summenhäufigkeitsfunktion Summenhäufigkeitsfunktion - empirische Verteilungsfunktion F(x) - wird aus Summenhäufigkeiten bestimmt. F(x) gibt den Anteil der Elemente mit einem Merkmalswert x an. 0 für x < x 1 F(x) = F i für x i x < x i+1 (i=1,...,k-1) 1 für x x k 33
34 Summenhäufigkeitsfunktion Diskrete Merkmale Summenhäufigkeitsfunktion 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,
35 Summenhäufigkeitsfunktion Stetige Merkmale Summenhäufigkeitsfunktion - empirische Verteilungsfunktion 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,
36 Maßzahlen Parameter, Kollektivmaßzahlen Lageparameter (Mittelwerte) Streuungsparameter (Variabilitätsmaße, Variationsmaße) Schiefe Wölbung 36
37 Lagemaße und Mittelwerte Eigenschaften: Liegen zwischen Minimum und Maximum der Daten Wenn alle Daten derselben linearen Transformation unterworfen werden, macht auch das Lagemaß diese Transformation mit 37
38 Lagemaße und Mittelwerte Arithmetisches Mittel Median Modus Geometrisches Mittel Harmonisches Mittel Quantile 38
39 39 Arithmetisches Mittel Mittelwert, durchschnittlicher Wert. Für metrisch skalierte Merkmale. a 1,...,a n beobachtete Merkmalswerte eines Merkmals X = = = = k 1 i i i k 1 i i i f x h x n 1 x = = n 1 i a i n 1 a
40 Arithmetisches Mittel Bsp. Merkmal X: Körpergröße in cm Merkmalswerte (a 1,...,a n, n = 5): 162, 170, 155, 187, 179 a = 1/5 ( ) = 170,6 40
41 Arithmetisches Mittel Eigenschaften (Betrachte Einzelwerte a i, i=1,...,n): Summe der Abweichungen der Einzelwerte von ihrem arithmetischen Mittel = 0 n i= 1 (a i a) = 0 Summe der quadrierten Abweichungen der Einzelwerte von ihrem arithmetischen Mittel ist kleiner als von einem beliebigen anderen Wert n n 2 (a i a) < i= 1 i= 1 (a i M) 2 (M a) 41
42 Arithmetisches Mittel Das arithmetische Mittel unterliegt der gleichen linearen Transformation wie die Einzelwerte Lineare Transformation: a * = a + ßa * a i = a + ßai (i = 1,...,n) Bsp. Körpergröße: a i * = 0,01 a i Transformierte Werte: 1,62; 1,70; 1,55; 1,87; 1,79 a* = 1/5 (1,62+1,70+1,55+1,87+1,79) = 1,706 a* = 0,01 = 0,01 170,6 = 1,706 42
43 Arithmetisches Mittel Arithmetische Mittel von zwei oder mehr Teilgesamtheiten: a n 1 n1 n a1i a 2i 1 n + = + 2 i= 1 n1 + n 2 = Bsp. Körpergröße: 2 Stpr. mit n 1 =n 2 =5 Stpr. 1: 162, 170, 155, 187, 179 mit a 1 = 170,6 Stpr. 2: 172, 159, 193, 184, 168 mit a 2 175,2 a = 1/(5+5) ( ) = 172,9 = (5 170, ,2) / (5+5) = 172,9 n a + n a 2 43
44 Arithmetisches Mittel Gewogenes (gewichtetes) arithmetische Mittel Gewichte w 1,..., w n mit 0 w i 1 und S i w i =1 a w = n i= 1 w i a i Für w 1 =... = w n = 1/n ergibt sich das gewöhnliche arithmetische Mittel 44
45 Median Median (Zentralwert): mindestens 50% der Beobachtungen a i nehmen eine Wert größer oder gleich bzw. kleiner oder gleich dem Median an. Sind x 1... x n der Größe nach geordnet, ist der Median x? 0,5 : x ((n+1)/2) n ungerade x? 0,5 = ½(x (n/2) +x (n/2+1) ) n gerade 45
46 Median Häufigkeitsverteilung: Median ist diejenige Merkmalsausprägung, bei der die Summenhäufigkeitsfunktion den Wert 0,5 überschreitet. Klassifizierte Daten: Der Median liegt in der Klasse, in der die Summenhäufigkeitsfunktion den Wert 0,5 erreicht. 46
47 Median Bsp. Körpergröße in cm: n = 10, Merkmalswerte der Größe nach geordnet: 155, 159, 162, 168, 170, 172, 179, 184, 187, 193 Median: x? 0,5 = ½(x (n/2) +x (n/2+1) ) = ½(x 5 +x 6 ) = ½( ) = 171 Bsp. Körpergröße in cm: n = 9, Merkmalswerte der Größe nach geordnet: 155, 159, 162, 168, 170, 172, 179, 184, 187 Median: x? 0,5 = x ((n+1)/2) = x 5 =
48 Quantile Geordnete Beobachtungsreihe x (1)... x (n) a-quantil x (k) falls n?a keine ganze Zahl (k ist die auf n?a folgende ganze Zahl) [? a = 1/2 (x (k) +x (k+1) ) falls n?a ganze Zahl k=n?a Spezielle Quantile: Median = 0,5-Quantil Unteres Quartil = 0,25-Quantil Oberes Quartil = 0,75-Quantil 48
49 Quantile Bsp. Körpergröße in cm: Merkmalswerte der Größe nach geordnet (n=10): 155, 159, 162, 168, 170, 172, 179, 184, 187, 193 Unteres Quartil = 0,25-Quantil, n?0,25 = 2,5 also: [? 0,25 = x (k) = x (3) = 162 Oberes Quartil = 0,75-Quantil, n?0,75 = 7,5 also: [? 0,75 = x (k) = x (8) =
50 Modalwert Modalwert (Modus, häufigster Wert, dichtester Wert): Gibt die Ausprägung an, die die größte Häufigkeit in der Beobachtungsreihe besitzt. Für nominal skalierte Daten geeignet. Es gilt: h(x mod ) h(x i ) für alle Merkmalsausprägungen x i,...,x k. Klassifizierte Daten: Modalwert ist definiert als Klassenmitte der am dichtesten besetzten Klasse. 50
51 Geometrisches Mittel Voraussetzung: Daten verhältnisskaliert n Einzelwerte a 1,..., a n Merkmalsausprägungen relative Änderungen (z.b. Lohnerhöhung in %) Geometrisches Mittel: a g = n a 1 a 2... a n 51
52 Geometrisches Mittel Bsp. Produktionssteigerung eines Betriebes pro Jahr 4 Jahre mit Produktionssteigerungen von: 2%, 11%, 4%, 7% Durchschnittliche Steigerung: 4 4 a g = 1,02 1,11 1,04 1,07 = 1,26 = 1,06 Durchschnittliche Produktionssteigerung: 6% 52
53 Geometrisches Mittel Gewogenes (gewichtetes) geometrische Mittel Gewichte w 1,..., w n mit 0 w i 1 und S i w i =1 a w g = a w 1 1 w 2 w n a 2... a n Für w 1 =...= w n =1/n ergibt sich das gewöhnliche geometrische Mittel 53
54 Harmonisches Mittel Nur positive od. negative Beobachtungswerte a 1,...,a n a h = n i= 1 n 1 a i Gewogenes harmonisches Mittel: Gewichte w 1,...,w n mit 0 w i 1 und S i w i =1 a w h = n i= 1 1 w a i i Für w 1 =...= w n =1/n ergibt sich das gewöhnliche harmonische Mittel 54
55 Harmonisches Mittel Bsp. Hat man etwa die Beziehung U = P M und gilt u i = x i m i und ist u i = U und m i = M, ergibt sich P = U / M U u i u i 1 P = = = =, mit w = i ui u i M m x ) (w x ) i (u i i P ist das mit w i gewogene harmonische Mittel der x i U = Gesamtumsatz, u i = Einzelumsatz des i-ten Gutes P = durchschnittlicher Preis pro Mengeneinheit, x i = Einzelpreis pro Mengeneinheit des i-ten Gutes M = Gesamtmenge, m i = umgesetzte Menge des i-ten Gutes i i 55
56 Mittel Vergleich arithmetische- geometrischesund harmonisches Mittel: Bei positiven Beobachtungswerten a 1,...,a n gilt stets die Beziehung a a a h g Bei identischen Beobachtungen a 1 =...=a n sind die Mittel gleich. 56
3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
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
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
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:
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
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
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
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
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 23042013 Datenlagen und Darstellung eindimensionaler Häufigkeitsverteilungen
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
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
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.
MehrAllgemeine Grundlagen Seite Termin: Eindimensionale Häufigkeitsverteilung
Statistik für alle Gliederung insgesamt Allgemeine Grundlagen Seite 1 1. Termin: Allgemeine Grundlagen 2. Termin: Eindimensionale Häufigkeitsverteilung 3. Termin: Lageparameter 4. Termin: Streuungsparameter
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
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
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.
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
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
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
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
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 FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
Mehr1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK
1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition
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
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
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
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
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
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
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
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 28.05.2013 Konzentrationsmaße 1. Konzentrationsbegriff
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
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
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
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:
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
MehrAngewandte Statistik (für HRG)
Angewandte Statistik (für HRG) (Modul: Modellieren und Anwendungen ) Kerstin Hesse Universität Paderborn, Sommersemester 2016 0.45$ 0.4$ 0.35$ 0.3$ 0.25$ 0.2$ rela.ve$häufigkeitsverteilung$der$pro$tag$
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
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
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
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
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
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
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
Mehr1 Einführung und Grundbegriffe
1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen
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)
MehrStatistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
MehrDr. Barbara Lindemann. Fragebogen. Kolloquium zur Externen Praxisphase. Dr. Barbara Lindemann 1
Dr. Barbara Lindemann Fragebogen Kolloquium zur Externen Praxisphase Dr. Barbara Lindemann 1 Überblick 1. Gütekriterien quantitativer Forschungen 2. Fragebogenkonstruktion 3. Statistische Datenanalyse
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
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
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
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
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
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,
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
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
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
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)
MehrDeskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1
1 Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 1 (a) Es sollen die mathematischen Vorkenntnisse der Studenten, die die Vorlesung Statistik I für Statistiker,
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
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
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
MehrVorlesung Wirtschaftsstatistik 2 (FK ) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren. Dipl.-Ing.
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Vorlesungsinhalte Wiederholung:
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
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
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
Mehr2 Statistische Maßzahlen
2 Statistische Maßzahlen Übersicht 2.1 Quantile, speziellmedian, QuartileundPerzentile... 25 2.2 Modus, Median, arithmetischesmittel... 28 2.3 Arithmetisches,geometrisches,harmonischesMittel... 31 2.4
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
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
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
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
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,
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
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrKapitel 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)
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
MehrWolf-Gert Matthäus, Jörg Schulze. Statistik mit Excel. Beschreibende Statistik für jedermann. 3./ überarbeitete und erweiterte Auflage.
Wolf-Gert Matthäus, Jörg Schulze Statistik mit Excel Beschreibende Statistik für jedermann 3./ überarbeitete und erweiterte Auflage Teubner Inhaltsverzeichnis Einleitung 11 1 Grundlagen 17 1.1 Statistische
MehrVorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe
Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit
MehrKai Schaal. Universität zu Köln
Deskriptive Statistik und Wirtschaftsstatistik Tutorium zur Anwendung von Statistik 1 in Excel Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrFelix Klug SS 2011. 2. Tutorium Deskriptive Statistik
2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala
MehrJOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
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
MehrGrundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis
MehrUntersuchungsarten im quantitativen Paradigma
Untersuchungsarten im quantitativen Paradigma Erkundungsstudien / Explorationsstudien, z.b.: Erfassung der Geschlechterrollenvorstellungen von Jugendlichen Populationsbeschreibende Untersuchungen, z.b.:
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
MehrÜber den Autor 7 Über den Fachkorrektor 7. Einführung 19
Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen
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........................
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung II Daten Deskription Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de IBE,
Mehr